?VISUALIZACIÓN Y ANÁLISIS DE GRANDES DOMINIOS CIENTÍFICOS MEDIANTE REDES PATHFINDER (PFNET)? TESIS DOCTORAL Doctorando: Benjamín Vargas Quesada Director: Félix de Moya Anegón DEPARTAMENTO DE BIBLIOTECONOMÍA Y DOCUMENTACIÓN FACULTAD DE BIBLIOTECONOMÍA Y DOCUMENTACIÓN UNIVERSIDAD DE GRANADA Granada, marzo 2005 - 2 - ?VISUALIZACIÓN Y ANÁLISIS DE GRANDES DOMINIOS CIENTÍFICOS MEDIANTE REDES PATHFINDER (PFNET)? Memoria que presenta Benjamín Vargas Quesada para optar al Grado de Doctor Dirigida por Dr. D. Félix de Moya y Anegón Granada, marzo de 2005 - 3 - ?Pluralitas non est ponenda sine neccesitate? ?La pluralidad no se debe postular sin necesidad? La Navaja de Occam Editor: Editorial de la Universidad de Granada Autor: Benjamín Vargas Quesada D.L.: Gr. 615 - 2005 ISBN: 84-338-3320-0 - 4 - Agradecimientos Mi más sincero agradecimiento y gratitud al Dr. Félix de Moya Anegón, de quien he aprendido lo poco que sé sobre esta materia, y porque siempre tiene cafés y respuestas para todas mis preguntas. Quiero dar también las gracias: A Yoly, por su compresión e infinita paciencia. A todos mis compañeros del grupo SCImago y en concreto a: Nonete, Zaida, Elena, Franjo, Víctor y Yusef, porque han estado ahí siempre que los he necesitado. Incluso cuando no era necesario. Al Ministerio de Educación Cultura y Deporte, por su beca de Formación de Personal Universitario (FPU) durante los pasados últimos cuatro años, gracias a la cual he podido realizar esta tesis. A la Universidad de Granada, y en especial al Departamento de Biblioteconomía y Documentación, por haberme acogido como un miembro más del mismo, y por poner a mi disposición todos los recursos que he necesitado. A todos los profesores de la Facultad de Biblioteconomía y Documentación, de quienes he recibido amistad, ayuda, apoyo y respeto. - 5 - Índice Temático 1..............................................................................................................INTRODUCCIÓN .................................................................................................................................................- 16 - 1.1. ANTECEDENTES ............................................................................................................ - 18 - 1.2. OBJETIVOS .................................................................................................................... - 25 - 1.3. FUENTES UTILIZADAS................................................................................................... - 26 - 1.4. ESTRUCTURA DE LA TESIS ............................................................................................ - 26 - PARTE TEÓRICA ...............................................................................................................- 30 - 2. VISUALIZACIÓN.........................................................................................................- 31 - 2.1. TECNOLOGÍA DE LA VISUALIZACIÓN............................................................................ - 32 - 2.2. PRINCIPIOS DE LA VISUALIZACIÓN ............................................................................... - 33 - 2.3. VISUALIZACIÓN DE LA INFORMACIÓN .......................................................................... - 38 - 3. VISUALIZACIÓN DE LA INFORMACIÓN Y ANÁLISIS DE DOMINIOS ........- 41 - 3.1. ANÁLISIS DE DOMINIOS ................................................................................................ - 42 - 3.2. REDES SOCIALES........................................................................................................... - 49 - 3.2.1. NOCIONES BÁSICAS ................................................................................................... - 50 - 3.2.2. CONCEPTO DE RED SOCIAL........................................................................................ - 57 - 3.2.3. BREVE REVISIÓN HISTÓRICA..................................................................................... - 58 - 3.2.4. ANÁLISIS DE REDES SOCIALES .................................................................................. - 62 - 3.3. SCIENTOGRAFÍA............................................................................................................ - 65 - 3.4. SCIENTOGRAFÍA Y ANÁLISIS DE DOMINIOS.................................................................. - 67 - 4. ASPECTOS METODOLÓGICOS PREVIOS A LA SCIENTOGRAFÍA...............- 69 - 4.1. RECOPILACIÓN DE INFORMACIÓN................................................................................. - 70 - 4.2. UNIDADES DE ANÁLISIS................................................................................................ - 71 - 4.3. UNIDADES DE MEDIDA ................................................................................................. - 72 - 4.3.1. COCITACIÓN DE DOCUMENTOS ................................................................................. - 74 - - 6 - 4.3.2. COCITACIÓN DE AUTORES ......................................................................................... - 74 - 4.3.3. COCITACIÓN DE REVISTAS......................................................................................... - 78 - 4.3.4. COCITACIÓN DE CLASES Y CATEGORÍAS................................................................... - 79 - 4.4. REDUCCIÓN DEL ESPACIO N-DIMENSIONAL ................................................................. - 82 - 4.4.1. MÉTODOS DE ANÁLISIS MULTIVARIANTE ................................................................. - 83 - 4.4.1.1. Análisis de Clusters ................................................................................................- 83 - 4.4.1.2. Escalamiento Multidimensional (MDS) .................................................................- 84 - 4.4.1.3. Análisis Factorial ....................................................................................................- 87 - 4.4.1.4. Modelización de Bloques o Blockmodeling...........................................................- 91 - 4.4.2. TÉCNICAS CONEXIONISTAS ....................................................................................... - 93 - 4.4.2.1. Redes Neuronales Artificiales. SOM......................................................................- 94 - 4.4.3. TÉCNICAS BASADAS EN REDES SOCIALES................................................................. - 96 - 4.4.3.1. Redes Pathfinder (PFNETs)....................................................................................- 96 - 4.5. DISTRIBUCIÓN ESPACIAL DE LA INFORMACIÓN ......................................................... - 102 - 4.5.1. ALGORITMO DE KAMADA-KAWAI.............................................................................. - 104 - 4.5.2. ALGORITMO DE FRUCHTERMAN Y REINGOLD ......................................................... - 106 - 4.5.3. EVALUACIÓN DE LOS ALGORITMOS......................................................................... - 107 - 4.6. VISUALIZACIÓN DE LA INFORMACIÓN ........................................................................ - 108 - 4.6.1. SCALABLE VECTOR GRAPHICS (SVG)..................................................................... - 109 - 4.6.2. VENTAJAS DE SVG COMO FORMATO DE REPRESENTACIÓN ................................... - 110 - PARTE EMPÍRICA ...........................................................................................................- 113 - 5. MATERIAL UTILIZADO .........................................................................................- 114 - 5.1. EXTRACCIÓN DE DATOS ............................................................................................. - 117 - 5.2. ANÁLISIS Y TRAMIENTO DE LOS DATOS..................................................................... - 118 - 5.2.1. NORMALIZACIÓN DE TÍTULOS DE REVISTAS ........................................................... - 118 - 5.2.2. MULTIDISCIPLINARIDAD DEL CONTENIDO DE LAS REVISTAS ................................. - 118 - 5.2.3. CONTROL DE LAS CITAS........................................................................................... - 119 - 5.2.4. CONTROL DE AUTORES............................................................................................ - 119 - 5.3. GENERACIÓN DE LA FUENTE SECUNDARIA ................................................................ - 120 - - 7 - 6. METODOLOGÍA........................................................................................................- 122 - 6.1. COCITACIÓN DE CATEGORÍAS..................................................................................... - 122 - 6.1.1. COCITACIÓN LATENTE............................................................................................. - 124 - 6.1.2. VALORES DE COCITACIÓN PUROS Y NORMALIZADOS............................................. - 125 - 6.2. REDUCCIÓN DE LA DIMENSIÓN:ESTRUCTURA BÁSICA DE UN DOMINIO. .................. - 128 - 6.3. DISTRIBUCIÓN ESPACIAL DE LA INFORMACIÓN ......................................................... - 134 - 6.4. CONSIDERACIONES METODOLÓGICAS........................................................................ - 140 - 6.4.1. ENLACES DÉBILES ................................................................................................... - 140 - 6.4.2. NODOS AISLADOS .................................................................................................... - 145 - 6.4.3. RECUPERACIÓN DE INFORMACIÓN........................................................................... - 146 - 6.5. VISUALIZACIÓN DE DOMINIOS.................................................................................... - 148 - 6.5.1. EVALUACIÓN ........................................................................................................... - 150 - 6.6. SCIENTOGRAFÍA DE GRANDES DOMINIOS CIENTÍFICOS ............................................. - 153 - 6.7. ÍNTER CITACIÓN.......................................................................................................... - 156 - 6.7.1. ÍNTER CITACIÓN DE REVISTAS................................................................................. - 156 - 6.7.2. ÍNTER CITACIÓN DE DOCUMENTOS.......................................................................... - 159 - 6.7.3. ÍNTER CITACIÓN VS SCIENTOGRAMAS DE DOMINIOS .............................................. - 162 - 6.8. ANÁLISIS Y COMPARACIÓN DE DOMINIOS ................................................................. - 165 - 6.8.1. AGRUPACIONES INTELECTUALES............................................................................. - 168 - 6.8.2. ANÁLISIS DE UN DOMINIO ....................................................................................... - 171 - 6.8.2.1. Macroestructura ....................................................................................................- 171 - 6.8.2.2. Microestructura.....................................................................................................- 172 - 6.8.2.3. Columna Vertebral................................................................................................- 173 - 6.8.2.4. Análisis de Superficie ...........................................................................................- 173 - 6.8.3. COMPARACIÓN DE DOMINIOS.................................................................................. - 174 - 6.8.3.1. Macroestructura ....................................................................................................- 175 - 6.8.3.2. Microestructura.....................................................................................................- 177 - 6.8.3.3. Columna Vertebral................................................................................................- 178 - 6.8.3.4. Comparación de Superficies .................................................................................- 178 - 6.8.4. EVOLUCIÓN DE UN DOMINIO ................................................................................... - 180 - - 8 - PARTE ANALÍTICA .........................................................................................................- 181 - 7. RESULTADOS ............................................................................................................- 182 - 7.1. SCIENTOGRAFÍA Y ANÁLISIS DEL MUNDO 2002......................................................... - 182 - 7.1.1. SCIENTOGRAMA....................................................................................................... - 182 - 7.1.2. ANÁLISIS FACTORIAL .............................................................................................. - 187 - 7.1.2.1. Scientograma Factorial .........................................................................................- 197 - 7.1.3. ANÁLISIS DE UN DOMINIO ....................................................................................... - 210 - 7.1.3.1. Macroestructura ....................................................................................................- 211 - 7.1.3.2. Microestructura.....................................................................................................- 216 - 7.1.3.3. Columna Vertebral de un Dominio.......................................................................- 229 - 7.2. SCIENTOGRAFÍA Y COMPARACIÓN DE DOMINIOS....................................................... - 232 - 7.2.1. SCIENTOGRAMAS ..................................................................................................... - 232 - 7.2.2. ANÁLISIS FACTORIAL .............................................................................................. - 239 - 7.2.2.1. Scientogramas Factoriales ....................................................................................- 242 - 7.2.3. COMPARACIÓN DE DOMINIOS.................................................................................. - 247 - 7.2.3.1. Macroestructura ....................................................................................................- 247 - 7.2.3.2. Microestructura.....................................................................................................- 252 - 7.2.3.3. Columna Vertebral................................................................................................- 265 - 7.3. SCIENTOGRAFÍA Y EVOLUCIÓN DE DOMINIOS............................................................ - 268 - 7.3.1. SCIENTOGRAMAS ..................................................................................................... - 268 - 7.3.2. ANÁLISIS FACTORIAL .............................................................................................. - 278 - 7.3.2.1. Scientogramas Factoriales ....................................................................................- 279 - 7.3.3. EVOLUCIÓN DE UN DOMINIO ................................................................................... - 285 - 7.3.3.1. Macroestructura ....................................................................................................- 285 - 7.3.3.2. Microestructura.....................................................................................................- 291 - 7.3.3.3. Columna Vertebral................................................................................................- 307 - 8. DISCUSIÓN .................................................................................................................- 311 - 8.1. IMPORTANCIA Y CALIDAD DE LOS RESULTADOS........................................................ - 312 - - 9 - 9. CONCLUSIONES .......................................................................................................- 318 - LÍNEAS FUTURAS DE INVESTIGACIÓN................................................................................... - 322 - BIBLIOGRAFÍA ....................................................................................................................... - 324 - ANEXOS..............................................................................................................................- 347 - ANEXO I .............................................................................................................................. - 348 - PAÍSES PRODUCTORES DE INFORMACIÓN CIENTÍFICA, SEGÚN EL IS ..................................... - 348 - CATEGORÍAS JCR 2002......................................................................................................... - 349 - CATEGORÍAS JCR 1990-2002................................................................................................ - 351 - ANEXO II .............................................................................................................................- 353 - CATEGORÍAS CON ENLACES COINCIDENTES EN LOS MAPAS DE ESPAÑA 2002 Y JCR CONSTRUIDOS A PARTIR DE SUS REVISTAS............................................................................ - 353 - CATEGORÍAS CON ENLACES NO COINCIDENTES EN LOS MAPAS DE ESPAÑA 2002 Y JCR CONSTRUIDOS A PARTIR DE SUS REVISTAS............................................................................ - 355 - CATEGORÍAS CON ENLACES COINCIDENTES EN LOS MAPAS DE ESPAÑA 2002 Y JCR CONSTRUIDOS A PARTIR DE LA ÍNTER CITACIÓN SUS DOCUMENTOS..................................... - 358 - CATEGORÍAS CON ENLACES NO COINCIDENTES EN LOS MAPAS DE ESPAÑA 2002 Y JCR CONSTRUIDOS A PARTIR DE LA ÍNTER CITACIÓN SUS DOCUMENTOS..................................... - 360 - ANEXO III............................................................................................................................- 362 - FACTORES EXTRAÍDOS DEL DOMINIO UE 2002..................................................................... - 362 - FACTORES EXTRAÍDOS DEL DOMINIO USA 2002 .................................................................. - 365 - ANEXO IV............................................................................................................................ - 368 - FACTORES EXTRAÍDOS DEL DOMINIO ESPAÑOL 1990-1994 .................................................. - 368 - FACTORES EXTRAÍDOS DEL DOMINIO ESPAÑOL 1995-1998 .................................................. - 371 - FACTORES EXTRAÍDOS DEL DOMINIO ESPAÑOL 1999-2002 .................................................. - 374 - ANEXO V............................................................................................................................. - 377 - CLASES ANEP....................................................................................................................... - 377 - RELACIÓN ENTRE CLASES ANEP Y CATEGORÍAS JCR.......................................................... - 378 - - 10 - Índice de Ilustraciones Ilustración 1. Actores y enlace no direccional.......................................................................................- 51 - Ilustración 2. Loop o autoenlace ...........................................................................................................- 51 - Ilustración 3. Grupo de actores de una red...........................................................................................- 51 - Ilustración 4. Subgrupo nodos amarillos en una red.............................................................................- 52 - Ilustración 5. Relaciones y adyacencias del actor dos ..........................................................................- 52 - Ilustración 6. Vecindario del actor dos .................................................................................................- 53 - Ilustración 7. Uno de los posibles paths entre los actores uno y cinco .................................................- 53 - Ilustración 8. Una de las posibles distancias entre los actores uno y once...........................................- 54 - Ilustración 9. Diámetro entre los actores uno y once............................................................................- 54 - Ilustración 10. Red con un actor aislado...............................................................................................- 54 - Ilustración 11. Gráfico conectado y gráfico desconectado con dos componentes ................................- 55 - Ilustración 12. Nodo o actor intermediario de una red .........................................................................- 55 - Ilustración 13. Enlace que actúa como puente entre dos componentes.................................................- 56 - Ilustración 14. Red social de nodos y enlaces o sociograma.................................................................- 60 - Ilustración 15. Fases de las que se compone el proceso de visualización de información....................- 70 - Ilustración 16. Proceso del análisis de cocitación de autores...............................................................- 76 - Ilustración 17. Esquema de Cocitación de Clases y Categorías ...........................................................- 80 - Ilustración 18. MDS de los 75 autores principales de Biblioteconomía y Documentación...................- 86 - Ilustración 19. MDS de los frentes de investigación en Biblioteconomía y Documentación.................- 86 - Ilustración 20. Mapa de la Documentación española ...........................................................................- 90 - Ilustración 21. Grupos detectados en una red PFNET..........................................................................- 91 - Ilustración 22. Matriz original y su correspondiente red ......................................................................- 92 - Ilustración 23. Matriz de bloques reordenada.......................................................................................- 92 - Ilustración 24. Matriz imagen y su correspondiente red de bloques .....................................................- 93 - Ilustración 25. Ejemplo de SOM procedente de NeuroISOC.................................................................- 95 - Ilustración 26. Principio de desigualdad del triánguloz........................................................................- 98 - Ilustración 27. Red de categorías pertenecientes a las Ciencias Sociales, del dominio español ..........- 99 - Ilustración 28. Red de categorías PFNETs con valores q=n-1 y r = ’..............................................- 100 - Ilustración 29. Grafo típico del algoritmo de Kamada-Kawai...........................................................- 105 - Ilustración 30. Grafo típico del algoritmo de Fruchterman y Reingold ..............................................- 106 - Ilustración 31. Estructura de la base de datos de carga .....................................................................- 121 - Ilustración 32. Modelo de cocitación de categorías adaptado de ......................................................- 123 - Ilustración 33. PFNETs de cocitación de categorías con valores normalizados ................................- 131 - Ilustración 34. PFNETs de cocitación de categorías con valores de cocitación puros.......................- 132 - Ilustración 35. PFNETs de cocitación de categorías con los valores normalizados y puros..............- 133 - Ilustración 36. PFNETs realizada con el algoritmo de Fruchterman Reingold..................................- 137 - - 11 - Ilustración 37. PFNETs realizada con el algoritmo de Kamada-Kawai .............................................- 138 - Ilustración 38. Scientograma PFNETs de un dominio ficticio ............................................................- 142 - Ilustración 39. Listado de los veinte primeros documentos españoles de la categoría LIS 2002........- 147 - Ilustración 40. Veintitrés primeros documentos españoles que cocitan a las categorías Information Sciences & Library Sciences y Computer Sciences Information Systems, en el año 2002 ..................- 148 - Ilustración 41. Ampliación de un área de un dominio PFNETs ficticio ..............................................- 151 - Ilustración 42. Scientograma PFNET del dominio científico español en el año 2002 .......................- 155 - Ilustración 43. Scientograma de la Estructura del JCR 2002 construida a partir de sus revistas ......- 157 - Ilustración 44. Scientograma de la Estructura del JCR 2002 construida a partir de sus documentos- 161 - Ilustración 45. Red social del dominio científico español 2002, con todas sus relaciones ................- 167 - Ilustración 46. Scientograma Factorial del Dominio Científico Mundial 2002 ..................................- 170 - Ilustración 47. Scientograma mundial, 2002.......................................................................................- 183 - Ilustración 48. Scientograma de factores del mundo, 2002.................................................................- 198 - Ilustración 49. Scientograma de centróides de las áreas temáticas del mundo 2002..........................- 212 - Ilustración 50. Scientograma de áreas temáticas del mundo, 2002 ....................................................- 213 - Ilustración 51. Áreas temáticas más prominentes del mundo 2002.....................................................- 216 - Ilustración 52. Scientograma de distancias del mundo, respecto a su categoría central....................- 221 - Ilustración 53. Scientograma de centralidad de grado, mundo 2002..................................................- 224 - Ilustración 54. Scientograma de las categorías más prominentes del mundo.....................................- 226 - Ilustración 55. Scientograma de vertebración de la ciencia del mundo 2002.....................................- 231 - Ilustración 56. Scientograma del dominio UE, 2002...........................................................................- 233 - Ilustración 57. Scientograma del dominio USA, 2002.........................................................................- 236 - Ilustración 58. Scientograma factorial del dominio UE, 2002 ............................................................- 245 - Ilustración 59. Scientograma factorial del dominio USA, 2002 ..........................................................- 246 - Ilustración 60. Scientograma de distancias del dominio UE, respecto a su categoría central ...........- 256 - Ilustración 61. Scientograma de distancias del dominio USA, respecto a su categoría central .........- 259 - Ilustración 62. Scientograma de las categorías más prominentes del dominio UE ............................- 263 - Ilustración 63. Scientograma de las categorías más prominentes del dominio USA...........................- 264 - Ilustración 64. Scientograma de vertebración de la ciencia del dominio UE 2002 ............................- 266 - Ilustración 65. Scientograma de vertebración del dominio USA 2002................................................- 267 - Ilustración 66. Scientograma del dominio geográfico español, 1990-1994 ........................................- 269 - Ilustración 67. Scientograma del dominio geográfico español, 1995-1998 ........................................- 272 - Ilustración 68. Scientograma del dominio geográfico español, 1999-2002 ........................................- 275 - Ilustración 69. Scientograma factorial del dominio español 1990-1994.............................................- 282 - Ilustración 70. Scientograma factorial del dominio español 1995-1998.............................................- 283 - Ilustración 71. Scientograma factorial del dominio español 1999-2002.............................................- 284 - Ilustración 72. Scientograma de distancias de españa 1990-1994, respecto a su categoría central ..- 294 - Ilustración 73. Scientograma de distancias de españa 1995-1998, respecto a su categoría central ..- 297 - Ilustración 74. Scientograma de distancias de españa 1999-2002, respecto a su categoría central ..- 300 - - 12 - Ilustración 75. Scientograma de las categorías más prominentes del dominio español 1990-1994 ...- 304 - Ilustración 76. Scientograma de las categorías más prominentes del dominio español 1995-1998 ...- 305 - Ilustración 77. Scientograma de las categorías más prominentes del dominio español 1999-2002 ...- 306 - Ilustración 78. Columna vertebral de la investigación española 1990-1994 ......................................- 307 - Ilustración 79. Columna vertebral de la investigación española 1995-1998 ......................................- 308 - Ilustración 80. Columna vertebral de la investigación española 1999-2002 ......................................- 309 - Ilustración 81. Scientograma factorial de clases ANEP del dominio español 1990-1994 ..................- 314 - Ilustración 82. Scientograma factorial de clases ANEP del dominio español 1995-1998 ..................- 315 - Ilustración 83. Scientograma factorial de clases ANEP del dominio español 1999-2002 ..................- 316 - - 13 - Índice de Tablas Tabla 1. Matriz de cocitación de datos..................................................................................................- 60 - Tabla 2. Ejemplo de matriz de cocitación de 9 por 9 categorías.........................................................- 127 - Tabla 3. Categorías cocitadas con Philosophy....................................................................................- 143 - Tabla 4. Relación categorías JCR y producción mundial 2002 ..........................................................- 185 - Tabla 5. Eigenvalues de los dieciséis primeros factores correpondientes al dominio mundial, 2002.- 188 - Tabla 6. Factores 1 y 2 con factor loadings mayores o iguales a 0.5 .................................................- 189 - Tabla 7. Factores 3 y 4 con factor loadings mayores o iguales a 0.5 .................................................- 190 - Tabla 8. Factores 5 y 6 con factor loadings mayores o iguales a 0.5 .................................................- 191 - Tabla 9. Factores 7, 8 y 9 con factor loadings mayores o iguales a 0.5 .............................................- 193 - Tabla 10. Factores 10 y 11 con factor loadings mayores o iguales a 0.5............................................- 194 - Tabla 11. Factores 12 y 13 con factor loadings mayores o iguales a 0.5............................................- 195 - Tabla 12. Factores 14 y 15 y 16 con factor loadings mayores o iguales a 0.5....................................- 195 - Tabla 13. Centralidad de grado de áres temáticas del mundo ............................................................- 214 - Tabla 14. Prominencia de las áreas temáticas del mundo ..................................................................- 215 - Tabla 15. Dieciséis primeras categorías de mayor grado del mundo .................................................- 218 - Tabla 16. Distancias de las categorías del mundo, respecto a su categoría central..........................- 220 - Tabla 17. Prominencia de las dieciséis primeras categorías del mundo.............................................- 225 - Tabla 18. Relación de categorías JCR y producción del dominio UE 2002........................................- 235 - Tabla 19. Relación de categorías JCR y producción del dominio USA 2002......................................- 238 - Tabla 20. Factores extraídos del dominio UE 2002............................................................................- 239 - Tabla 21. Factores extraídos del dominio USA 2002..........................................................................- 240 - Tabla 22. Categorías no factorizadas por ninguno de los dos dominios.............................................- 243 - Tabla 23. Categorías no factorizadas en el dominio UE.....................................................................- 243 - Tabla 24. Categorías no factorizadas en el dominio USA...................................................................- 244 - Tabla 25. Centralidad de grado de áreas temáticas en los dominios UE y USA.................................- 248 - Tabla 26. Prominencia de áreas temáticas en los dominios UE y USA ..............................................- 249 - Tabla 27. Categorías con doble adscripción temática de los dominios UE y USA .............................- 251 - Tabla 28. Categorías con doble adscripción temática del dominio UE ..............................................- 251 - Tabla 29. Categorías con doble adscripción temática del dominio USA ............................................- 252 - Tabla 30. Centralidad de grado de las quince primeras categorías de los dominios UE y USA ........- 253 - Tabla 31. Distancias de las categorías del dominio UE, respecto a su categoría central .................- 255 - Tabla 32. Distancias de las categorías del dominio USA, respecto a su categoría central ...............- 258 - Tabla 33. Diferencias de distancias geodésicas entre los dominios UE y USA...................................- 260 - Tabla 34. Prominencia de categorías en los dominios UE y USA.......................................................- 262 - Tabla 35. Relación de categorías JCR y producción española entre 1990 y 1994..............................- 271 - - 14 - Tabla 36. Relación de categorías JCR y producción española entre 1995 y 1998..............................- 274 - Tabla 37. Relación categorías JCR y producción española entre 1999 y 2002 ..................................- 277 - Tabla 38. Factores extraídos del dominio geográfico español 1990-1994..........................................- 278 - Tabla 39. Factores extraídos del dominio geográfico español 1995-1998..........................................- 278 - Tabla 40. Factores extraídos del dominio geográfico español 1999-2002..........................................- 279 - Tabla 41. Categorías sin factorizar en cada uno de los tres periodos del dominio español ...............- 280 - Tabla 42. Categorías sin factorizar de los tres periodos del dominio español....................................- 280 - Tabla 43. Centralidad de grado de las áreas temáticas del dominio español.....................................- 286 - Tabla 44. Prominencia de las áreas temáticas del dominio español...................................................- 287 - Tabla 45. Categorías multitemáticas del dominio español 1990-1994................................................- 289 - Tabla 46. Categorías multitemáticas del dominio español 1995-1998................................................- 289 - Tabla 47. Categorías multitemáticas del dominio español 1999-2002................................................- 290 - Tabla 48. Centralidad de las quince primeras categorías del dominio español en sus tres periodos.- 291 - Tabla 49. Distancias de las categorías de españa 1990-1994, respecto a su categoría central .........- 293 - Tabla 50. Distancias de las categorías de españa 1995-1998, respecto a su categoría central ........- 296 - Tabla 51. Distancias de las categorías de españa 1999-2002, respecto a su categoría central .........- 299 - Tabla 52. Veinte primeras categorías de carácter más universal, del dominio español 1990-2002 ...- 301 - Tabla 53. Categorías más prominentes del dominio español 1990-2002............................................- 302 - - 15 - Índice de Ecuaciones Ecuación 1. Medida de Cocitación normalizada(Salton, G. y Bergmark, D., 1979).............................- 82 - Ecuación 2. Ecuación paramétrica de Minkowski.................................................................................- 97 - Ecuación 3. Medida de Cocitación de Salton y Bergmark modificada................................................- 126 - Capítul 1: Introducción 1. Introducción La consecución de un gran mapa de la ciencia, es una idea persistente de la era moderna. Esta necesidad, viene avalada por la convicción de que la imagen o representación gráfica de un dominio, favorece y facilita el acceso y recuperación de la información, así como su análisis. Independientemente de que quien realice estas tareas, sea un neófito en dicho dominio, o bien se trate de alguien ya iniciado, o sea experto en el mismo. Como ya advirtieron White, H. D. y McCain, K. W. (1997), las nuevas generaciones de documentalistas, están por un lado, tecnológicamente condicionadas por la creciente necesidad de la visualización de dominios, mientras que por otro, se encuentran limitados al tener que hacer de puente entre las técnicas y métodos utilizados hasta ahora, y las nuevas tecnologías de visualización de la información. Pero esta no es la única limitación a la que deben hace frente, pues cada vez resulta más difícil generar nuevo conocimiento a partir de una misma disciplina, por lo que hay que recurrir a otras que permitan el desarrollo de estas. Como consecuencia de esta globalidad de la ciencia, fruto del alto flujo de información que se produce entre unas disciplinas y otras, la estructura científica se está haciendo cada vez más compleja y difícil de representar y analizar. Por ello y desde hace algún tiempo, se recurre a herramientas sociológicas como son las redes sociales, pues posibilitan el estudio de la ciencia a partir de las relaciones de sus componentes. Es decir, gracias a los sociogramas o grafos, que es como se denomina a las repesentaciones graficas de las redes sociales, y a la teoría de grafos, que proporciona la base conceptual para el análisis estructural y de las mismas, se hace posible la visualización de las relaciones entre disciplinas, así como su interpretación. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 17 - Pero incluso las redes sociales se están viendo desbordadas por el aumento en la complicación de la estructura de la ciencia, fruto del incremento de relaciones entre disciplinas, a lo largo de los últimos años. Por ejemplo en España, la Biblioteconomía y la Documentación, comparte fuentes con otras sesenta y una disciplinas en el año 1990; en 1996, lo hace con 124; y en el 2002, intercambia conocimientos con otras ciento sesenta y seis disciplinas más; la medicina general e interna, se relaciona con ciento treinta y tres disciplinas en 1990, con ciento sesenta y nueve en 1996, y con doscientas cinco en el año 2002; etc. Esta misma evolución se está produciendo en cualquier dominio geográfico y en cualquiera de las disciplinas que componen la ciencia moderna. Resulta pues absolutamente necesario, realizar alguna simplificación de estas superestructuras. Investigando en la literatura propia de las redes sociales y de la visualización de la información, nos hemos encontrado con Pathfindernetworks. Se trata de un algoritmo de poda de enlaces, por el que una red pierde sus relaciones superfluas, y sólo mantiene aquellas más esenciales. Favoreciendo así su visualización y análisis. Este proceso de simplificación de la ciencia no es algo nuevo de nuestros días, pues se trata de un principio de razonamiento formulado al final de la edad media, que se conoce bajo varios nombres: principio de economía, principio de parsimonia o de simplicidad, o simplemente como navaja de ockham u occam, por atribuírsele al monje franciscano y filósofo Guillermo de Ockham, aunque ya era conocido antes de él. En su formulación original del siglo XV y en latín, este principio de simplicidad reza como: pluralitas non est ponenda sine necessitate, es decir, que las cosas esenciales no se deben multiplicar sin necesidad. En un lenguaje más cotidiano, esta frase vendría a significar algo así como que no se deben multiplicar las causas, es decir, las hipótesis en un razonamiento, por lo que un raciocinio basado en premisas menos numerosas, será más verosímil. Capítul 1: Introducción - 18 - En el campo científico se dice que hay que favorecer la hipótesis más sencilla que explique las observaciones, o que al menos sea compatible con ellas. Con frecuencia, este principio se ha llevado mucho más lejos, sobre todo desde que se empezó a admitir que las leyes físicas se escribían en el lenguaje de las matemáticas: la hipótesis más sencilla es, a priori, la que tiene una formulación matemática más fácil. En el caso de la visualización y análisis de la estructura científica, aplicamos este mismo principio minimalista: ¿por qué visualizar y analizar una estructura densa y compleja, si podemos obtener y estudiar otra más sencilla y con las relaciones más significativas o esenciales? 1.1. Antecedentes Aunque la idea de que la ciencia podía ser visualizada o mapeada, fue apuntada por autores tan significativos como Vannevar Bush y su dispositivo futurista Memex(Bush, V., 1945), o Bradford al referirse a ella como un gráfico del universo en el que los discursos aparecen distribuidos en un esfera, en una confusión promiscua, mutuamente relacionados, y separados de las cosas que vemos o que pensamos (Bradford, S. C., 1948), el primero en articular esta necesidad fue Doyle en 1961, destacando la importancia de los ordenadores para producir mapas similares a los que genera el cerebro, indicando cómo estos pueden ser proyectados en espacios multidimensionales y dando su opinión sobre el objetivo de dichos mapas y cómo construirlos(Doyle, L. B., 1961). Realizar la visualización de un gran dominio científico, o the big picture como también se le ha denominado, ha sido un anhelo perseguido durante mucho tiempo. Garfield, en un artículo publicado en American Documentation, mostraba su gran interés por la construcción de mapas históricos mediante el uso de citas(Garfield, E., 1963). Interés que, junto a Irv Sher en 1964, se plasmó en la realización de un mapa histórico en el Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 19 - que se mostraba el desarrollo del ADN desde Mendel hasta Niremberg. Ese mismo año, Garfield junto con Sher y Torpie, generan manualmente distintos mapas histórico topológicos de la ciencia, a partir de las citas de la producción científica sobre la investigación en el ADN, utilizando como variable el emparejamiento bibliográfico ?bibliographic coupling8 (Garfield, E., Sher, I. H., y Torpie, R. J., 1964). Sin embargo, el primero en demostrar que los patrones de citas utilizados por los autores de artículos científicos definían los frentes de investigación, y que éstos podían ser aprovechados para delinear una topología que reflejase la estructura de la producción científica de un dominio, fue Price, D. d. S. (1965). Pudiendo considerársele por ello, como el padre de la representación de dominios científicos científicos, tal y como la entendemos hoy día. No obstante, el verdadero avance para el diseño de mapas o gráficos de un dominio, desde nuestro punto de vista, vino de la mano de Small, H. (1973) y Marshakova, I. V. (1973), al proponer de forma independiente la cocitación de documentos como variable de estudio en los análisis de citas de la producción científica. Los mapas de la ciencia, en donde se muestran todas las especialidades de las ciencias naturales(Small, H. y Griffith, B. C., 1974), (Griffith, B. C. [et al.] , 1974), utilizando como fuente de información el Science Citation Index (SCI) y la cocitación como variable de relación, se convierten en un hito fundamental en el desarrollo de la representación de dominios científicos. Lo verdaderamente importante de la metodología utilizada por los autores anteriormente citados, es que identificaba perfectamente los grupos de documentos que tenían intereses intelectuales comunes, mostrando la prueba de que la ciencia es una red de especialidades interconectadas entre sí, que se pueden contemplar utilizando como base el análisis cuantitativo de la producción escrita. En 1975, haciéndose eco de los trabajos de los autores anteriormente citados, Aaronson radiografía la biomedicina de los años 1972 y 1973, pudiéndose apreciar su evolución en el tiempo y observar, en el mapa de 1973, lo que el autor llamó el supercluster, al mostrar la convergencia de otras especialidades(Aaronson, S., 1975). Los mapas de Aaronson son también un hito en la historia de la representación gráfica de un domino, no sólo por reflejar la evolución del mismo a través Capítul 1: Introducción - 20 - del tiempo, o por mostrar como las distintas disciplinas interactúan entre sí, también lo son por la información que suministran, pues los documentos aparecen agrupados conformando un mapa de clusters, en donde cada cluster tiene su propia denominación y número de documentos que lo componen, así como el grado de conexión entre ellos, representado por líneas acompañadas del valor de cocitación que los conectan. Además, permiten detectar los cluster más importantes, pues son aquellos que tienen un mayor número de relaciones con el resto. Poco después de la aparición de los mapas de Aaronson, Garfield, informa de que el Institute for Scientific Information (ISI), está trabajando en la elaboración de un Atlas de la Ciencia(Garfield, E., 1975). Pero hubo que esperar seis años para que este deseo se hiciese realidad. Fue en 1981(Garfield, E., 1981) cuando aparecieron los dos primeros volúmenes del Atlas, en concreto los referentes a la bioquímica y a la biología molecular. Las técnicas utilizadas para la generación de los mapas del Atlas no difieren mucho de las utilizadas por Small y Griffith en 1974. Es decir, generación de clusters a partir de los datos obtenidos por la cocitación de documentos en una disciplina concreta, aunque incorporan la novedad de un nuevo posicionamiento espacial de los clusters, mediante el uso de técnicas de escalamiento multidimensional (MDS). Con el paso de los años han ido apareciendo distintos volúmenes del Atlas de la Ciencia: Biotecnología y genética molecular(Garfield, E., 1984), Bioquímica, inmunología y biología animal y vegetal(Garfield, E., 1988). Quedando paralizada la producción del mismo, hasta la fecha, con el volumen referente a Farmacología(Seiden, L. S. y Swanson, D. R., 1989). Mientras tanto, Small, ha seguido trabajando en el diseño de mapas de dominios científicos, depurando y mejorando las técnicas utilizadas en sus primeros mapas, convirtiéndose en el principal especialista del ISI en la investigación y elaboración de mapas de la ciencia. Los siguientes trabajos no son más que una breve muestra de su magno trabajo: (Small, H., 1981; Small, H. y Garfield, E., 1985; Small, H. y Sweeney, E., 1985; Small, H., Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 21 - Sweeney, E., y Greenlee, E., 1985; Small, H., 1993; Small, H., 1994; Small, H., 1999; Small, H., 2000). A partir de los años 90, con la aparición de nuevos métodos de recopilación de información, así como de nuevas técnicas para el análisis, visualización y posicionamiento espacial, de la información, que Börner, Chen y Boyack revisan de forma magistral(Börner, K., Chen, C., y Boyack, K. W., 2003), comienzan a proliferar los estudios basados en técnicas de visualización de la estructura de pequeños dominios científicos, que a la vez permitan la clasificación y/o recuperación de la información que contienen, dejando a un lado, o aplazando hasta que las herramientas sean lo suficientemente consistentes, la elaboración de mapas de grades dominios científicos o The big picture. Así, por ejemplo, y mencionando sólo a algunos: (Braam, R. R., Moed, H. F., y van Raan, A. F. J., 1991a; Braam, R. R., Moed, H. F., y van Raan, A. F. J., 1991b; Brandenburg, F. J., Himsolt, M., y Rohrer, C., 1995), proponen el uso combinado de la cocitación con el análisis de palabras 8 co-word análisis8 , para la generación de mapas de la ciencia, haciendo hincapié en su estructura y aspectos dinámicos. Lin, Soergel y Marchionini, desarrollan un mapa autoorganizativo (SOM) que representa de forma gráfica y esquemática las relaciones semánticas entre los documentos, pudiendo ser utilizado como interfaz bibliográfica para la recuperación online de la información que representa(Lin, X., Soergel, D., y Marchionini, G., 1991),. White y McCain, utilizando como base el análisis de dominios(Hjørland, B. y Albrechtsen, H., 1995), proponen la representación gráfica o visualización, como modelo para el análisis y recuperación de la información que el usuario estime oportuna(White, H. D. y McCain, K. W., 1997). Para corroborar su teoría, en 1998 realizan el análisis de un dominio concreto: la Documentación, utilizando como unidad de análisis los autores de las 12 revistas que, según su criterio, fueron consideradas más importantes en el período de tiempo comprendido entre 1972 y 1995(White, H. D. y McCain, K. W., 1998). Garfield dice que las nuevas técnicas de visualización hacen posible la generación de mapas globales de la ciencia que, al hacer zoom sobre ellos o representar distintos períodos de tiempo, Capítul 1: Introducción - 22 - permiten identificar los frentes de investigación emergentes, que no son más que el reflejo de las preocupaciones de los investigadores en sus trabajos científicos, por lo que es posible asociar nombres de autores a cada frente(Garfield, E., 1998). White, Lin, y McCain, comparan el modo tradicional de visualizar los dominio científicos, es decir MDS, con los mapas auto-organizativos (SOM), llegando a la conclusión de que los resultados son muy similares, pero con la diferencia de que el último permite una más fácil integración entre información bibliográfica y recuperación de la misma(White, H. D., Lin, X., y McCain, K. W., 1998). Chen, y esto es otro hito en la historia de la visualización de la información, incorpora las redes Pathfinder (PFNET) al campo de la Documentación, para su visualización(Chen, C., 1998b; Chen, C., 1998a). Para Ding, Chowdhury, Foo y Qiang, el uso de las técnicas bibliométricas permite la simplificación de un área de conocimiento a sus elementos principales, la representación gráfica de dichas áreas y de sus correspondientes subáreas, así como su utilización para una mejor comprensión del dominio por parte del usuario(Ding, Y., Chowdhury, G. G., y Foo, S., 1999). Merton, sostiene que lo que en un principio sólo fue concebido por Garfield, para recuperar información, es en realidad una magnífica herramienta para el estudio de la Sociología de la ciencia(Merton, R. K., 2000). White, da a conocer las redes centradas en un sujeto, argumentando que, hasta ahora, los mapas de un dominio siempre se habían hecho a partir de los autores más citados de un grupo seleccionado de publicaciones, proponiendo como alternativa que éstos se hagan a partir del nombre de un autor, que suministraría el usuario (CAMEO)(White, H. D., 2000). Consiguiéndose así una menor carga cognitiva por parte del que realiza la consulta, el desarrollo de interfaces para usuarios inexpertos que faciliten la recuperación de la información a partir de información bibliográfica, así como la posibilidad de que dichos interfaces se puedan generar de forma dinámica. Para Noyons, E. C. M., Moed, H. F., y Luwel, M. (1999), Buter y Noyons Buter, R. K. y Noyons, E. C. M. (2001), y Noyons, E. C. M. (2001), el uso de los mapas como metáforas de una disciplina científica tienen un gran potencial como interfaz para la recuperación de la información, no obstante, éstos tienen algunas Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 23 - limitaciones como consecuencia de que el usuario no comprende bien lo que está viendo, por lo que aportan algunas soluciones que permiten una mejor exploración del dominio. Chen y Paul, describen cómo, para hacer mapas de conocimiento claros y fáciles de interpretar, han desarrollado un método que amplía y transforma el análisis tradicional de coautores en patrones estructurales de la literatura científica que pueden ser representados en mapas 3D(Chen, C. y Paul, R. J., 2001). Para Chen, Paul y O?keefe, la proliferación de las técnicas de visualización de la información, han permitido representar la esencia del conocimiento, jugando un papel fundamental en el proceso de modelización y representación de la estructura o mapa intelectual de un determinado dominio, ya sea geográfico, temático o intelectual(Chen, C., Paul, R. J., y O'keefe, B., 2001). De nuevo Ding, Chowdhury y Foo, hacen un mapa de la estructura intelectual del campo de la recuperación de la información que cubre un período de 10 años (1987-1997), mostrando modelos, patrones y tendencias de dicho campo, así como distintas medidas del grado de asociación entre los términos más relevantes de los documentos producidos bajo el epígrafe recuperación de información(Ding, Y., Chowdhury, G. G., y Foo, S., 2001). Ingwersen y Larsen, investigan las ventajas de la visualización gráfica de la producción científica de un área geográfica, con respecto a los métodos tradicionales. Para ello, utilizando MDS, hacen un mapa de la producción científica de diecisiete países europeos, en nueve áreas de las ciencias sociales(Ingwersen, P. y Larsen, B., 2001). Guerrero Bote, Moya Anegón y Herrero Solana, describen un método en el que los documentos de una base de datos pueden ser clasificados de forma automática mediante un SOM y de cómo éste puede ser utilizado para el browsing y la recuperación de información en dicha base de datos(Guerrero Bote, V. P., Moya Anegón, F. d., y Herrero Solana, V., 2002b). White, Buzydlowski y Lin, basándose en la experiencia acumulada por White en los trabajos anteriormente citados y en sus CAMEOs(White, H. D., 2001), implementan un sistema dinámico de visualización: Authorlink, basado en la cocitación de autores, que permite el browsing y la recuperación de información en una base de datos constituida por los registros de diez años Capítul 1: Introducción - 24 - del Arts & Humanities Citation Index (A&HCI), en tiempo real(White, H. D., Buzydlowski, J., y Lin, X., 2000; Buzydlowski, J., White, H. D., y Lin, X., 2002; Lin, X., White, H. D., y Buzydlowski, J., 2003). Small, teoriza sobre el diseño de una herramienta web capaz de detectar y monitorizar en tiempo real, los cambios que se producen en los frentes de investigación, como consecuencia de sus interacciones(Small, H., 2003). White, adopta Pathfinder Networks (PFNET) como técnica para la construcción de mapas de cocitación de autores (ACA), detallando sus ventajas(White, H. D., 2003). Chen y Kuljis, mediante el uso de la citación y la cocitación en el campo de la física, estudian la aparición y evolución de nuevos frentes de investigación a través del tiempo(Chen, C. y Kuljis, J., 2003). Morris, Yen, Wu y Asnake, trabajan en la visualización, detección e identificación de los cambios temporales en los frentes de investigación(Morris, S. A. [et al.] , 2003). Boyack y Börner, con fines evaluativos, generan mapas de publicaciones científicas subvencionadas, haciendo visible la relación entre financiación gubernamental y número de citas recibidas(Boyack, K. W. y Börner, K., 2003). En resumen, los mapas o visualizaciones de dominios se están utilizando en la actualidad para mostrar relaciones entre documentos, detectar los autores más importantes de una determinada disciplina, o analizar la estructura de un área de conocimiento, y su evolución mediante su representación en sucesivos espacios temporales. Las técnicas que se están utilizando son clustering, MDS, análisis de factores, o redes sociales basadas en modelos de grafos, cada una de ellas por separado o combinadas de forma indistinta. El objetivo fundamental que se persigue hoy día, es el de conseguir una primera representación gráfica o mapa de un dominio que sea lo suficientemente general e informativo para que el usuario tome conciencia del área en la que trabaja, y luego hacer zoom o ir descendiendo niveles en cada una de las disciplinas resultantes, ya sea mediante el uso de técnicas multivariantes, o por medio de trazadores de redes. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 25 - En resumen, podemos decir que desde que surge la idea de la visualización o mapeo de la ciencia hasta nuestros días, existen fundamentalmente tres corrientes. La primera está compuesta por autores como Marshakova, Griffith, Garfield, White, McCain y Van Raan, entre otros, que utilizan la visualización como medio para el análisis de pequeños campos científicos. Por otro lado está Small, que con sus trabajos es el primero en plantearse la visualización de grandes dominios científicos, y cuyas ideas son seguidas y desarrolladas por el grupo SCImago. Finalmente, a medio camino entre las dos líneas se situaría Chaomei Chen, y su propuesta del knowledge domain, o visualización del conocimiento. 1.2. Objetivos Los objetivos que nos marcamos cubrir con la presente tesis son esencialmente dos. Aunque la consecución de estos, nos lleva a un tercero más general, que engloba a ambos. Por una parte, pretendemos proponer una metodología que sea útil para la visualización de grandes dominios científicos, tal y como los definieron Hjørland, B. y Albrechtsen, H. (1995). Es decir, como el reflejo de las interacciones entre los autores y su papel en la ciencia, por medio de sus citas. Por otra parte y a partir de las visualizaciones obtenidas mediante la metodología anterior, acometemos el desarrollo de un nuevo método que nos permita acceder, recuperar, y con ello analizar de una forma adecuada, la información del dominio que se representa. A partir de este doble propósito, tratamos de alcanzar el aboutness u objetivo genérico y fundamental de la Documentación (White, H. D. y McCain, K. W., 1997): que sea la propia Documentación, la interfaz entre los usuarios y la literatura. Capítul 1: Introducción - 26 - 1.3. Fuentes Utilizadas La bibliografía utilizada para la realización de esta tesis se puede dividir en tres grandes grupos. El primer conjunto está constituido fundamentalmente por publicaciones periódicas pertenecientes al área de la Biblioteconomía y la Documentación. Entre las más utilizadas y por este orden, destacamos las siguientes: Journal of the American Society for Information Science & Technology (JASIST), Scientometricss, Information Processing and Management (IPM), y Current Contents. El segundo grupo está formado por publicaciones relacionadas con la la visualización informática de la información. Se trata principalmente de publicaciones periódicas como: IEEE Transaction on Systems Man and Cibernetics; así como de actas de congresos del tipo: IEEE Computer, e IEEE Internacional Conference on Information Visualization. El tercer grupo lo integran monografías y publicaciones periódicas relacionadas con las redes sociales y su análisis estructural. Entre las últimas, destaca con notoriedad: Social Networks. 1.4. Estructura de la Tesis La estructura de esta tesis se divide en tres partes. La primera es la base teórica sobre la que se apoya nuestro trabajo. La segunda consiste en una aportación metodológica-empírica, sobre la que que basamos nuestra investigación. Y la tercera, es la parte donde se presentan y discuten los resultados, extrayendo a partir de ellos, una serie de conclusiones generales. La parte teoríca consta de tres capítulos: 2, 3 y 4. En el Capítulo 2: Visualización, analizamos la importancia de las imágenes en la vida del ser humano. Relacionamos la percepción visual con la visualización informática Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 27 - y estudiamos sus principios. Finalmente abordamos la visualización de la información, definición, características y su relación con la Documentación. En el Capítulo 3: Visualización y Análisis de Dominios, mediante la visualización de redes sociales basadas en estudios bibliométricos, planteamos el análisis de dominios desde un punto de vista holístico y objetivo de la ciencia. En el Capítulo 4: Aspectos Metodológicos Previos a la Scientografía, revisamos los procesos, técnicas y métodos relacionados con la visualización de la información. Para ello, describimos las unidades de medida comúnmente más utilizadas, los métodos y técnicas más frecuentemente empleados para la reducción del espacio n-dimensional, así como los más habitualmente utilizados para la distribución y visualización de la información. El desarrollo empírico de esta tesis, se extiende a lo largo de dos capítulos: cinco y seis. En ellos, afrontamos la problemática de como construir scientogramas de grandes dominios científicos a partir de información bibliográfica. Para ello, desarrollamos una metodología en diez etapas que abarca desde la recogida de la información bibliográfica, hasta el análisis y comparación de los propios dominios. Esta metodología consta de las siguientes líneas básicas: 1. Recopilación de información bibliográfica de bases de datos de citas (ISI Web of Science). 2. Análisis y tratamiento de los datos. 3. Construcción de la fuente secundaria a partir de la cual es posible transformar la información bibliográfica en información relacional. 4. Generación de matrices utilizando las categorías como unidad de análisis y su cocitación como unidad de medida. Capítul 1: Introducción - 28 - 5. Preservación de las relaciones semánticas más significativas de un dominio por medio de PFNETs, e identificación de sus principales agrupaciones intelectuales. 6. Máximo aprovechamiento del espacio disponible a la par que se generan visualizaciones atractivas mediante el uso de algoritmo específicamente diseñados para ello. 7. Descripción de las particularidades propias de las visualizaciones obtenidas, al tiempo que las dota de la capacidad de recuperar información bibliográfica, convirtiéndolas en interfaces gráficos. 8. Utilización de un software que genere la visualización gráfica de los dominios y evaluación de las representaciones obtenidas. 9. Presentación de los scientogramas de grandes dominios científicos y sus características. 10. Metodología para el análisis y comparación de scientogramas de grandes dominios científicos. En el Capítulo 5: Material Utilizado, tratamos los tres primeras etapas. En ellas abordamos el origen, tipología, características, ventajas e inconvenientes de los datos utilizados, así como la justificación de su uso. En el Capítulo 6: Metodología, desarrollamos cada una de las siete etapas restantes, al tiempo que hacemos frente a una de las posibles críticas que podría recibir nuestra metodología. La parte analítica se compone de tres capítulos: siete, ocho y nueve. En el Capítulo 7: Resultados, ofrecemos el producto que se obtiene como consecuencia de aplicar la metodología anterior sobre los datos seleccionados. En él, analizamos, comparamos y estudiamos la evolución de diferentes grandes dominios científicos. En el Capítulo 8: Discusión, Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 29 - comentamos las ventajas y limitaciones de la metodología propuesta, a la vista de los resultados obtenidos en el capítulo anterior. En el Capítulo 9: Conclusiones, revisamos el trabajo realizado en esta tesis y su grado de adecuación a los objetivos iniciales. Finalizamos proponiendo nuevas líneas de investigación, las cuales han ido surgiendo de forma paralela al desarrollo de esta tesis. PARTE TEÓRICA Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 31 - 2. Visualización La necesidad de representar las cosas de una forma más inteligible para la mente humana no es algo nuevo. Hacer visible, especialmente para nuestra mente (aquello que no es visible para nuestros ojos)... crear una imagen mental de algo (aquello que no se ve a simple vista, una abstracción, etc.) (Owen, G. S., 1999), son dos definiciones del concepto visualización que ponen de manifiesto la necesidad intrínseca al ser humano, de representar la realidad de una forma más natural y fácil de comprender por él mismo. Pero, ¿qué hace que una imagen realizada por un individuo pueda ser comprendida por otro, sin ningún tipo de explicación o proceso de aprendizaje anterior? ¿Por qué el ser humano en general prefiere una imagen antes que mil palabras, o que una tabla de datos numéricos? ¿Por qué un invidente de nacimiento al relatar sus sueños, describe imágenes si nunca ha visto alguna? Vivimos en un mundo gráfico, visual, en el que interactuamos con las personas y objetos que nos rodean, al tiempo que percibimos su imagen y características a través de la vista. Y es que el cerebro humano está acostumbrado a procesar imágenes, a ver la realidad de forma gráfica. En el periodo de la historia comprendido desde los asentamientos de las primeras comunidades humanas hasta la sociedad actual, la visualización ha jugado un papel fundamental. Intimamente relacionada con el pensamiento y el lenguaje, la visualización ha sido crucial en la mayoría de nuestros comportamientos y determinante en la historia de la humanidad. La escritura, uno de los pilares del desarrollo humano, en realidad no es más que el intento de visualizar el lenguaje hablado. Si nos dedicamos a analizar históricamente los grandes hitos de nuestra cultura, observaremos que muchos de ellos están relacionados con la visualización: la imprenta, el dibujo en perspectiva, el telescopio, el microscopio, la fotografía, el cine, la televisión y recientemente, las generadas por ordenador. Capítulo 2: Visualización - 32 - Aunque relativamente joven, la visualización informática se ha expandido en múltiples direcciones. Es utilizada para hacer visible al ojo humano aquello que es muy pequeño y/o complejo de ver, como la estructura molecular; o demasiado grande para comprenderlo, como es la imagen de nuestro planeta. Para visualizar aquello que sólo existe en nuestra mente, la informática se ha valido de técnicas como la denominada realidad virtual. Incluso se recurre a la visualización informática para poner de manifiesto fenómenos que no son visibles por sí mismos, como es el caso de la visualización de la información, así como las relaciones entre los elementos que la componen(Araya, A. A., 2003). 2.1. Tecnología de la Visualización Auspiciada por el desarrollo de la informática junto con el de otras disciplinas, la visualización generada por ordenador, o visualización informática, toma un gran auge a mediados de la década de los ochenta a raiz de un informe de la National Science Foundation (NSF). En el que se pretende hacer frente a varios problemas relacionados con el contexto de la comunidad científica. El principal problema, también conocido como el dilema de la información sin interpretación, hace referencia a la diversidad de fuentes de datos tales como: satélites, escáneres médicos, radares, etc., y a la complejidad de la información que estos suministran, haciendo muy difícil su procesamiento e interpretación. Otras dos cuestiones tratadas en el informe fueron: cómo favorecer la comunicación de resultados entre los científicos, y la forma de conseguir una mayor interacción entre los investigadores y el análisis informático de los datos. La solución a estos problemas vino dada por el desarrollo de una tecnología de la visualización: Los investigadores necesitan una alternativa a los números. La necesidad técnica de hoy y el imperativo cognitivo del mañana, es el uso de la imagen. La habilidad que tengan los investigadores para visualizar cálculos informáticos Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 33 - complejos, así como simulaciones, es esencial para asegurar la integridad del análisis, al mismo tiempo que para provocar la aparición de nuevo conocimiento que pueda ser transmitido a otros(McCormick, B. H., DeFanti, T. A., y Brown, M. D., 1987). Sin embargo, para utilizar la tecnología de la visualización en beneficio de la comunidad científica y de la ciencia en general hay que dar respuesta antes a una serie de preguntas tales como: ¿cuáles son los principios subyacentes en la visualización informática o generada por ordenador?, ¿cuál es la base sobre la que se sustenta esta disciplina, que hace posible que la visualización pueda ser utilizada como elemento de análisis e interpretación de datos e información? A continuación, siguiendo el trabajo de (Araya, A. A., 2003), nos disponemos a desvelarlos. 2.2. Principios de la Visualización La visualización , ha sido descrita como el uso que se hace de los ordenadores, de la interacción y de la representación gráfica de datos, para "amplificar" el conocimiento(Card, S. K., Mackinlay, J. D., y Shneiderman, B., 1999). Una visualización puede ser una figura, como por ejemplo un mapa adecuadamente coloreado para asegurar su correspondencia con la idea que representa, o una imagen obtenida mediante la combinación de fotografías e imágenes generadas por ordenador, o un diagrama tridimensional representado en un espacio bidimensional que puede ser rotado y ampliado o reducido, o cualquier otro tipo de representación visual. Lo importante de una visualización o imagen, es que sea posible interactuar con ella, aunque sea por medio de dispositivos informáticos. Pues tal interacción nos permite manipular, tratar y gestionar, las visualizaciones de la misma forma que manipulamos, tratamos y gestionamos otros objetos de la realidad. Con el Capítulo 2: Visualización - 34 - valor añadido de que con las imágenes, además es posible interactuar de una forma más amplia y compleja de la que normalmente nos permiten los objetos o hechos de la realidad, gracias a la realidad virtual. Esta interacción entre visualizaciones informáticas e individuos y consecuentemente, entre ordenadores y personas, es conocida como Human Computer Interaction (HCI) o Interacción Persona Ordenador (IPO), que ha sido muy bien estudiada por (Shneiderman, B., 1983; Shneiderman, B., 1996; Shneiderman, B., 1998) y, en nuestro área de conocimiento, por (Herrero Solana, V., 1999). Por lo que nos remitimos a sus trabajos para un estudio más profundo sobre esta materia. La visualización favorece la adquisición de nuevo conocimiento. Las aptitudes y habilidades humanas que se utilizan para el análisis e interpretación de la información, están directamente relacionadas con la capacidad cognitiva de los individuos, y son consideradas como una más de las operaciones que realiza el cerebro para el procesamiento de información. La visualización puede favorecer la adquisición de nuevo conocimiento de varias formas: La visualización puede aumentar la capacidad de procesamiento, recurriendo directamente a los recursos del sistema visual. O puede actuar indirectamente descargando de trabajo al proceso cognitivo, o reducir las tareas memorísticas haciendo que parte de estas sean externas y visuales? La visualización permite realizar inferencia de una forma fácil, que de otra forma no serían posibles(Card, S. K., Mackinlay, J. D., y Shneiderman, B., 1999). La interacción con imágenes es muy importante para la comprensión de objetos y sistemas complejos. En el caso de las imágenes generadas por ordenador 8 gráficos, mapas o diagramas de tres dimensiones8 , tienen que poder ser desplazadas y rotadas en cualquier dirección, o ampliadas y Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 35 - reducidas, de tal forma que sea fácilmente comprensible, lo que en un principio no pueda parecer más que una maraña de líneas, rótulos y planos. Este tipo de tareas fueron introducidas por (Shneiderman, B., 1983), bajo el concepto general de Direct Manipulation. Card, S. K., Mackinlay, J. D., y Shneiderman, B. (1999), describen el propósito de la visualización, como el uso de la visión para pensar. Donde pensar es entendido como un elemento central del conocimiento, y de donde se deriva el principio de adquisición de conocimiento mediante imágenes de (Araya, A. A., 2003), que hace referencia a la importancia que tiene la interacción de los individuos con las imágenes o visualizaciones, para la generación de nuevas ideas o conocimiento. Auspiciada por este principio surge la idea de que la visualización tiene la habilidad especial de activar, de una forma controlada, los refinados mecanismos de la percepción visual humana. Cada vez parece más obvio que existe una estrecha relación entre imagen y cerebro, a partir de la cual se activan los mecanismos visuales de nuestro subconsciente, favoreciendo la adquisición de conocimiento, así como las aptitudes y habilidades para el análisis e interpretación de la información. Y hasta cierto punto, esto es lo que consiguen las técnicas de visualización hoy día. Bajo el nombre de visualizaciones informáticas, que es una de las tecnologías más avanzadas para la generación y percepción de imágenes, podemos encontrar dos principios que subyacen bajo cualquier visualización. El primero es el principio de fusión. Es decir, la idea de que las capacidades cognitivas pueden verse favorecidas y aumentadas por la integración, e incluso fusión entre el cerebro humano y el de silicio de los ordenadores, gracias a la utilización de visualizaciones interactivas. Capítulo 2: Visualización - 36 - El segundo es el principio de la transformación del conocimiento, que se basa en la idea de que mediante el uso de visualizaciones interactivas, se pueden activar los procesos visuales situados en nuestro subconsciente, de tal forma que se generen de forma automática nuevas ideas, que a su vez, produzcan nuevo conocimiento. El sistema visual está especialmente adaptado para realizar cierto tipo de tareas y por tanto, las visualizaciones informáticas deben estar orientadas hacia ese tipo de tareas. Esto conduce a lo que Friedhoff y Benzon llaman objetivización, que consiste en que cualquier fenómeno, independientemente de que sea visual o no, debe ser representado como algo que tenga forma, color, textura, movimiento, así como otras cualidades propias de los objetos(Friedhoff, R. M. y Benzon, W., 1989). A esta idea se le conoce con el nombre de principio de objetivización, y su fin es el de hacer visible aquello que no lo es. Muy relacionado con este principio, está también el principio del naturalismo. Su propósito es sustituir las mal dimensionadas, distribuidas y coloreadas imágenes utilizadas hasta ahora, y sustituirlas por imágenes mucho más reales y parecidas a lo que hoy consideramos como fotografías. El principio del naturalismo se puede considerar complementario al de objetivización, en el sentido de que una vez que algo ha sido objetivado, tiende a alcanzar un alto grado de realismo. Hemos identificado cinco principios de la visualización: el principio de adquisición de conocimiento por medio de imágenes, el de fusión, el de transformación del conocimiento, el de objetivización y el del naturalismo, los cuales son típicos del área de la visualización informática. Todos ellos pueden ser integrados de la siguiente forma: mientras que el principio fundamental de la adquisición de conocimiento mediante imágenes es aumentar, extender o mejorar las aptitudes y habilidades humanas que se utilizan para el análisis e interpretación de la información, el principio de fusión, promueve la interacción hombre-máquina mediante el binomio individuo-imagen, especificando así la forma de adquirir el conocimiento. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 37 - Los principios de objetivización y naturalismo detallan exactamente las formas en que la fusión hombre-máquina y su binomio correspondiente 8 individuo-imagen8 , tiene que ser realizada. Por último, el principio de transformación del conocimiento sugiere la posibilidad de que el conocimiento no sólo puede ser aumentado, extendido y mejorado a partir del análisis e interpretación de la información, sino que puede ser transformado, por cualquiera de los otros cuatro principios. Una vez detectados y explicados los principios que rigen las visualizaciones informáticas, surgen dos nuevas preguntas interrelacionadas. En primer lugar, ¿podrá esta nueva tecnología informática implementarse como una herramienta común en otras disciplinas? Y en segundo lugar, si se produce el traslado de los centros de investigación a la vida cotidiana, ¿podrá esta tecnología dar el salto, como ya han hecho los ordenadores? De nuevo, Card, Mackinlay y Shneiderman nos ofrecen la respuesta, aunque esta vez se trata más de un deseo: La tecnología de la visualización consiste en un conjunto de técnicas que con el tiempo, formarán parte de las principales aplicaciones informáticas? En algunos casos, los nuevos desarrollos tecnológicos cruzan las barreras de la eficacia y los costes, haciendo que nuevas técnicas puedan ser ampliamente utilizadas, lo cual tiene grandes efectos sobre las actividades en que se aplica. Creemos que esto es lo que ocurrirá con la tecnología de la visualización y las técnicas de la visualización de la información. La visualización es un nuevo paso hacia adelante en el viejo juego de utilizar los recursos que nos rodean, para incrementar nuestra forma de adquirir conocimiento(Card, S. K., Mackinlay, J. D., y Shneiderman, B., 1999). Como consecuencia del desarrollo tecnológico e informático, la cantidad de datos y por tanto de información, está creciendo a pasos agigantados. Esto provoca que el dilema al que antes hacíamos referencia, Capítulo 2: Visualización - 38 - cada vez sea mayor. La visualización de la información puede ayudar a resolver este problema. Pero hay que tener en cuenta que existen distintas fuentes de datos, que podemos englobar en dos grandes grupos: por un lado entidades físicas que no podemos ver porque, o bien son muy pequeñas, o bien son muy grandes, por el otro tenemos entidades no físicas cuyas relaciones no adquieren una forma visual. La visualización de la información consistiría en hacer apreciable al ojo humano estas últimas. 2.3. Visualización de la Información La representación gráfica de la información para su posterior visualización, es una actividad común en la mayoría de las disciplinas científicas en los últimos tiempos (Klovdhal, A. S., 1981), (Crosby, A. W., 1997). Pero el uso de las representaciones gráficas, en combinación con la tecnología informática, para conseguir una adecuada visualización de la información, es una tarea relativamente nueva, que se ha convertido en uno de los principales objetos de estudio de los últimos años. La visualización de la información no es el resultado implícito del acto de ver, no es un producto espontáneo del individuo que recibe la información ya visualizada. La visualización de la información es una tarea del comunicador visual, que transforma datos abstractos y fenómenos complejos de la realidad en mensajes visibles, haciendo posible que los individuos vean con sus propios ojos, datos y fenómenos que son directamente inaprensibles, y que por tanto comprendan la información que yace oculta(Costa, J., 1998). El dominio de los lenguajes gráficos para visualizar estos efectos invisibles, esta información inaprensible, configuran una nueva ciencia de la comunicación visual, la esquemática, a la que Costa ha definido como el tercer lenguaje, después de la imagen y el signo, y que ha sido muy bien estudiada por Herrero-Solana en el campo de la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 39 - Documentación, aplicándola al desarrollo de interfaces basados en representaciones bidimensionales(Herrero Solana, V., 1999). Por otro lado, la visualización de la información consiste en un acto de transferencia de conocimiento. La visualización se justifica en el hecho de que el mundo es multifacético, multidimensional, multifenoménico y se presenta como un continuum. Por tanto, para visualizar la información, hay que conseguir la intersección de la imagen, la palabra, el número y el arte. Los instrumentos necesarios para conseguir este objetivo, son aquellos relacionados con la escritura y la tipografía, la gestión de grandes cantidades de datos y el análisis estadístico, los gráficos, su distribución y el color. Y los estándares de calidad imprescindibles se derivan de los principios visuales que nos dicen qué poner en el sitio adecuado(Tufte, E. R., 1994). La dificultad surge en el momento de transferir la complejidad del mundo, su dinamismo y multidimensionalidad, a un formato comprimido, reducido, estático y plano o sin relieve, como es el papel o la pantalla de un ordenador. Para contrarrestar estas limitaciones, Tufte propone seis ideas: 1. Evitar en todo momento las representaciones planas y recurrir a los gráficos tridimensionales o al menos bidimensionales con perspectiva (2.5D). 2. Realizar micro y macro representaciones de una misma realidad; evitar los agrupamientos desordenados de elementos, descubriendo los detalles y elementos complejos por medio de la distribución adecuada de la información y su visualización estratificada. 3. Conseguir distintas imágenes de una misma realidad desde diferentes perspectivas. 4. Asociar colores a la información. Capítulo 2: Visualización - 40 - 5. Conseguir gráficos en cuatro dimensiones, los cuales consisten en la combinación de gráficos tridimensionales con información temporal relativa a los mismos. Fusionando las ideas de Costa y Tufte, podemos decir que la visualización, es el proceso de comunicación que se produce entre una representación reducida de la realidad y quien la observa, a partir de la cual es posible percibir por medio de la vista, hechos y fenómenos de la realidad multidimensional y cambiante del mundo, que de otra forman pasarían totalmente desapercibidos. Siguiendo con la fusión de ideas, diremos que la visualización de la información consiste en la intersección de la imagen, la palabra, el número y el arte, a través de la escritura y la tipografía, la gestión de grandes cantidades de datos y el análisis estadístico, los gráficos, su distribución y el color, todo ello con el fin de conseguir una representación gráfica y reducida de la realidad multidimensional y cambiante, que comunique a aquel que la observa, hechos y fenómenos de una determinada porción de la realidad, los cuales sin su mediación, serían inapreciables y pasarían totalmente desapercibidos. La visualización de la información no es una práctica nueva en el campo de la Documentación. Incluso se podría considerar a la Documentación como una de las pioneras en estas lides. Sugerida hace más sesenta años por (Bush, V., 1945) y puesta en práctica hace ahora poco más de cuarenta por (Garfield, E., Sher, I. H., y Torpie, R. J., 1964), la visualización de la información ha sido utilizada para poner al descubierto y divulgar la esencia y estructura de la ciencia. Pese a sus años de existencia, aún hoy día se encuentra en fase de evolución y desarrollo. Prueba de ello es su aplicación en nuevos campos o actividades, como por ejemplo el análisis de dominios. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 41 - 3. Visualización de la Información y Análisis de Dominios El análisis de dominios es uno de los nuevos frentes de investigación que han surgido como consecuencia de la proliferación de las técnicas de visualización de la información, ayudando a revelar la esencia del conocimiento científico(Chen, C., Paul, R. J., y O'keefe, B., 2001). Por ejemplo, se ha utilizado para mostrar visualizaciones animadas sobre la extinción de la literatura de masas y demostrar el potencial de la visualización basada en la citación(Chen, C. [et al.] , 2002); para explorar y acceder al contenido de las bibliotecas digitales(Chen, C., 1999); así como para estudiar la evolución de los patrones de citación en patentes(Chen, C. y Hicks, D., 2004), entre otros. Existe una profunda conexión entre la visualización de dominios y lo que Hjørland, B. y Albrechtsen, H. (1995) denominan como análisis de dominios. La visualización de dominios puede aportar técnicas de apoyo para el análisis de dominios, especialmente en las áreas de conocimiento multidisciplinares, y en aquellas que cambian y avanzan rápidamente(Börner, K., Chen, C., y Boyack, K. W., 2003). Aunque la relación entre visualización y análisis de dominios o visualización del conocimiento, como también se la conoce, ha sido sugerida por autores como Garfield, Small, White, y Chen, entre otros, ninguno de ellos ha explicado el porqué de esta relación tan necesaria. ¿Qué herramientas, o técnicas de apoyo puede aportar la visualización de dominios al análisis de dominios, o viceversa? Creemos que ha llegado el momento de realizar este estudio, al menos desde la perspectiva que se aborda en esta tesis. Es decir, desde el análisis de dominios basado en su visualización, a través de su representación mediante redes sociales. Capítulo 3: Visualización y Análisis de Dominios - 42 - 3.1. Análisis de Dominios En 1995 Hjørland y Albrechtsen formularon una nueva aproximación o perspectiva, a partir de la cual poder estudiar el campo de la Documentación 8 information science8 : el análisis de dominios. Según este nuevo punto de vista, el análisis de dominios se basa en el paradigma dominio-analítico que establece que la mejor forma de comprender la información, consiste en estudiar los dominios de conocimiento como parte del discurso de las comunidades de las que proceden, las cuales no son sino el reflejo de la división social y laboral de la sociedad. Esto es debido a que la organización del conocimiento, estructura, patrones de cooperación, lenguaje y formas de comunicación, y criterios de relevancia, no son más que el reflejo del trabajo de estas comunidades y del papel que juegan en la sociedad. Además, la psicología individual de cada persona, su conocimiento, las necesidades informativas, así como los criterios subjetivos de relevancia de cada persona, son tenidos en cuenta. El paradigma dominio-analítico es en primer lugar un paradigma social, pues fomenta una perspectiva psicológica, sociolingüística y sociológica de la ciencia. En segundo lugar es una aproximación funcionalista, pues intenta comprender los aspectos implícitos y explícitos de la ciencia, al tiempo que resalta o hace visibles los mecanismos subyacentes de comunicación. Y en tercer y último lugar, es una aproximación filosófico-realista, pues intenta establecer la base científica de un dominio, a través de factores externos a la percepción individualista y subjetiva de los usuarios, en contraposición por ejemplo, a los paradigmas cognitivo y conductivista(Hjørland, B. y Albrechtsen, H., 1995). Esta perspectiva no tiene porqué quedar reducida ni ser exclusiva del área de la Documentación, sino que como objeto de estudio, puede ser aplicada a cualquier dominio, independientemente de su naturaleza o tamaño. En nuestra opinión, lo importante, no es desarrollar una nueva teoría o paradigma que permita realizar el análisis de dominios para cada una de las diferentes disciplinas existentes, sino establecer una base conceptual a partir de la cual esto sea posible en cualquiera de ellas. Ya sea Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 43 - por separado, en combinación, o en su conjunto. Esto se consigue mediante una visión holística y objetiva de dichos dominios. Tanto en la Filosofía como en la teoría de la ciencia, existe un movimiento procedente de las teorías fundamentalistas y empíricas, que defiende que la ciencia se basa en postulados de verdad absoluta obtenidos por medio de los sentidos 8 empirismo y positivismo8 y del razonamiento 8 racionalismo8 . Esta visión positivista y racionalista de la ciencia, considera al lenguaje como algo nominalista, cuya única utilidad es la de etiquetar el conocimiento percibido mediante los sentidos o adquirido por la razón. Considera, por tanto, que el lenguaje no interviene en el proceso de la percepción de la realidad, simplemente es el vehículo por el que se comunica el conocimiento ya existente entre los individuos. Este enfoque, enfatiza la percepción individual del conocimiento libre de las tradiciones culturales. Se trata de una filosofía desfasada por su visión objetiva de las cosas. Por ello, esta perspectiva tradicional de la epistemología y de la Filosofía de la ciencia, está siendo reemplazada por una corriente más holística, que reconoce la importancia del lenguaje en la percepción de la realidad y que consecuentemente está introduciendo una dimensión histórica, cultural, social y objetiva en la teoría del conocimiento y de la ciencia. La realidad no puede ser captada ni comprendida inocentemente, por un individuo aislado y sin preparación. Es el propio conocimiento del individuo construido a partir de la historia y la cultura, incluido aquel que se haya podido desarrollar sobre un determinado dominio de conocimiento, el que ofrece la posibilidad de percibir la realidad. En definitiva, el individualismo metodológico que considera al conocimiento como un estado mental del individuo, está siendo reemplazado por un colectivismo metodológico u holístico, que entiende el conocimiento como un proceso social o cultural, o como un producto cultural(Hjørland, B. y Albrechtsen, H., 1995). Capítulo 3: Visualización y Análisis de Dominios - 44 - Desde este punto de vista, podríamos decir que la mejor forma de estudiar una disciplina o dominio de conocimiento, se consigue mediante el análisis de dominios, que consiste en el análisis del discurso de la comunidad en que se forma dicha disciplina, así como su relación con la sociedad en la que se gesta. De esta manera, se acentúa la naturaleza social, ecológica e informativa del dominio de conocimiento objeto de estudio. Ahora bien, ¿qué herramientas, métodos, técnicas, etc., son necesarios para poder llevar a cabo el análisis de un dominio? Es de nuevo HjØrland, quien da respuesta a esta pregunta, proponiendo once métodos para el análisis de dominios en Documentación(Hjørland, B., 2002). No obstante, consideramos que esos métodos no tienen por qué ser exclusivos de la Documentación y que pueden ser utilizados para el análisis de todo tipo de dominios, aportando una visión holística y objetiva de los mismos. De los once métodos que Hjørland propone para el análisis de dominios, consideramos que uno de ellos, en concreto los estudios bibliométricos, se constituyen como la mejor aproximación con la que comenzar el análisis de un dominio, y que los otros diez pueden ser utilizados como apoyo de éste, complementando de esta forma su visión holística. Hasta no hace mucho tiempo, los sociólogos pensaban que las citas bibliográficas eran como una especie de sistema de control de la propiedad intelectual, recogido en las publicaciones científicas. No se habían percatado de la importancia que tenían, además, para reflejar las conexiones cognitivas y sociales entre los investigadores(Merton, R. K., 2000). Pero en el campo de la Documentación, pronto hubo autores que empezaron a valorar este hecho. Las redes de citas de documentos científicos podían ser perfectamente utilizadas para detectar los nuevos frentes de investigación científica(Price, D. d. S., 1965), al mismo tiempo que para obtener información etnográfica referente a la presencia y naturaleza de las Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 45 - relaciones sociales, como por ejemplo, descubrir mediante las citas a un colega muy cercano que no se conocía(White, H. D., 2001). El uso de esta técnica no tiene porqué ser exclusiva de bibliómetras o sociólogos. A los fines del presente trabajo, consideraremos a la bibliometría como una noción general en la que confluyen diferentes subdisciplinas tales como: Cienciometría, Informetría, y Bibliometría en un sentido estricto (CIB). Para nosotros será un sinónimo de estudios métricos de la ciencia. La bibliometría es una disciplina con una larga tradición, que ha venido adoptando diferentes técnicas con el paso del tiempo. Si en un principio se trabajaba con distribuciones matemáticas, creación de rankings, incluso con análisis bivariante, en los últimos tiempos, ha introducido una amplia gama de técnicas de análisis multivariante. Entre estas técnicas encontramos: estadísticas, conexionistas, y redes sociales, las cuales trataremos más en detalle en el apartado 4.4. El análisis de citas, también debería ser utilizada por profesionales de la Documentación que quieran saber cómo se relaciona un determinado autor con el resto de la comunidad científica en una determinada área de trabajo o dominio, que deseen conocer y estudiar la estructura de un dominio científico, que pretendan conocer sus avances, etc. Además, sería muy deseable para la Documentación en general, el poder combinar el análisis de citas con el análisis de las redes sociales, con el fin de explorar cómo la estructura social, penetra o se ve reflejada en la estructura intelectual de los individuos. Pero es que hasta ahora, los bibliómetras no tenían o no conocían las herramientas para realizar el análisis de redes, y los sociólogos no conocían o no utilizaban las citas para recopilar información, ni las técnicas de visualización(White, H. D., 2000). Es el propio Hjørland quien manifiesta, que la bibliometría puede ser considerada como herramienta y método para el análisis de dominios de muy diferentes formas. Por ejemplo, como herramienta puede ser utilizada para la generación de mapas bibliométricos por medio del análisis de cocitación. Este es el caso de los mapas para la visualización de una Capítulo 3: Visualización y Análisis de Dominios - 46 - disciplina(White, H. D. y McCain, K. W., 1998), cuyas representaciones sacan a la luz factores externos a la percepción subjetiva del usuario, por medio de la ruptura de los esquemas mentales apriorísticos y como consecuencia, la representación de una realidad que no se percibe de antemano. Además, la bibliometría puede ser utilizada como método para el análisis de dominios, pues muestra las relaciones reales entre los documentos individuales y revela el reconocimiento explícito que unos autores hacen a otros, al mismo tiempo que refleja las relaciones entre los distintos campos científicos(Garfield, E., 1976). La bibliometría puede mostrar y describir tendencias en distintas áreas de conocimiento, pero por sí misma es incapaz de realizar interpretaciones sobre la utilidad, ajustes, ventajas e inconvenientes de esas tendencias. Para ello tiene que recurrir a otras disciplinas más amplias, como son la Sociología y la Filosofía, que permitan una interpretación sociocultural de los datos y visualizaciones bibliométricas(Hjørland, B. y Albrechtsen, H., 1995). Haciendo así necesario el enfoque holístico del análisis de dominios(Garfield, E., 1992). En este trabajo no trataremos la percepción que los individuos tienen de las representaciones visuales. Para esta cuestión, se recomienda el estudio de Polanco, X., Francois, C., y Keim J. P. (1998). Desde el punto de vista bibliométrico, la visión holística en el análisis de dominios, viene dada por los autores de la comunidad científica. Son los propios autores de cada dominio, los que constituyen y construyen parte del discurso de dicho dominio. Son responsables de su pasado, de sus intereses, de las relaciones e interacciones entre dominios. Y todo ello por medio de su lenguaje, es decir a través de las referencias o citas de sus trabajos. Por todo ello, el discurso de la comunidad en que se gesta el dominio, es aportado por el intercambio de pareceres que se produce entre los propios autores que constituyen esa comunidad. La cual es el reflejo de la división social y laboral de la sociedad. La visión objetiva en el análisis de dominios, viene dada por el lenguaje de los autores al que antes hacíamos Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 47 - referencia, es decir por la citación, y en concreto por una variante suya que es la utilizada para la generación de mapas bibliométricos o visualizaciones de dominios: la cocitación. Aunque no negamos que las citas de los autores puedan tener en un principio un cierto grado de subjetividad e intencionalidad, ambas limitaciones, desaparecen en el momento que se utilizan las cocitas. Esto se debe a que la agrupación de los distintos puntos de vista de los autores, conseguida por medio de las cocitas, hace que en el conjunto no prevalezca la opinión de un autor, sino el consenso de todos ellos. Además, la cocitación suministra una información de valor incalculable sobre el modo en que los autores, como expertos de un dominio, perciben la interconectividad del propio dominio por medio de los trabajos publicados. De esta forma, un subcampo o frente de investigación puede ser rápidamente identificado por autores o investigadores relacionados con el dominio. Esta visión general y objetiva que aporta el enfoque bibliométrico, con respecto al análisis de dominios, ha sido abordada por otros autores dedicados al análisis y visualización de dominios, aunque hasta ahora no se había postulado de una forma tan patente. Su finalidad ha estado más orientada a la justificación de los mapas o visualizaciones obtenidas, que al propio análisis de dominios. Por ejemplo, Small considera que la cocitación es una relación establecida por los autores citantes y que cuando se mide su fuerza, lo que hacemos es calcular el grado de relación o asociación entre documentos, tal y como lo perciben la comunidad de autores citantes. Además, debido a su dependencia de las citas de los autores, los patrones de relación pueden cambiar con el tiempo en la medida en que las coocurrencias de citas también lo hacen, haciendo así evolucionar un determinado campo o área de conocimiento. Esto puede conducir a una forma más objetiva de analizar la estructura de las especialidades científicas. Los cambios producidos en los patrones de cocitación, vistos a través del tiempo, pueden suministrar indicios para comprender los mecanismos de desarrollo de una determinada especialidad(Small, H., 1973). Para Franklin y Johnston, el modelo bibliométrico de cocitación, al Capítulo 3: Visualización y Análisis de Dominios - 48 - tiempo que agrupa trabajos de autores, documentos o revistas según sus afinidades temáticas, permite medir la interacción entre los distintos frentes de investigación hasta convertir el conjunto en una jerarquía de especialidades científicas que se relacionan entre sí(Franklin, J. J. y Johnston, R., 1988). Esta jerarquía no sería una clasificación a priori del conocimiento, como las que ya conocemos, sino que sería una clasificación auto-organizada basada en el trabajo de toda la comunidad científica. Ding, Chowdhury y Foo sostienen que de desde el punto de vista de la Sociología de la ciencia y de la Filosofía de la ciencia, la cocitación contribuye a poner de de manifiesto el avance acumulativo de la ciencia, repitiendo anteriores y creando nuevas conexiones en la misma(Ding, Y., Chowdhury, G. G., y Foo, S., 1999). Para White, las cocitas agrupan automáticamente materias, metodologías y afinidades sociales tal y como son percibidas por los citantes. El sentido de una mayor o menor afinidad entre pares de citas, se pone de manifiesto por medio de la cuenta de las cocitas 8 agregación conjunta de la que ningún autor citante es directamente responsable8 (White, H. D., 2003). Finalmente, para una adecuada aproximación del enfoque bibliométrico desde la perspectiva del análisis de dominios, deberán de tener en cuenta, además, cuatro factores: 1. El primero es la selección y tipo de documentos que constituyen la base empírica para la construcción de los mapas bibliométricos. El posible sesgo que puedan introducir los datos como consecuencia de su falta de cobertura, tipología documental, clasificaciones establecidas de antemano, etc., hay que tenerlo en cuenta en el momento de analizar un dominio e interpretar su información. 2. El segundo factor a tener en cuenta, es que cada mapa bibliométrico está determinado por los patrones de citación de cada disciplina. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 49 - 3. El tercero aborda los métodos empleados por los investigadores a la hora de analizar los datos. 4. El cuarto y último a considerar es el carácter dinámico de las bases epistemológicas de la ciencia(Hjørland, B., 2002). Pero existe además un quinto factor que no se menciona y sobre el que hay que reflexionar. Se trata del bagaje necesario por parte de quien realiza la interpretación. Este conocimiento debe versar sobre el propio domino, así como sobre la historia de la ciencia, la Sociología de la ciencia, etc., pues es la base para una interpretación adecuada de la evolución y cambios paradigmáticos del dominio, si los hubiera. Este quinto factor puede ser considerado como un refuerzo de la perspectiva bibliométrica, y es el encargado de cerrar el círculo de la visión holística de la misma, pues conecta el conocimiento aportado por el discurso de las comunidades que componen el dominio, con el del propio individuo que, independientemente de que forme parte de la comunidad o no, intenta analizarlo. Como hemos dicho anteriormente, una de las técnicas más utilizadas en la actualidad en el análisis de dominios, son las denominadas redes sociales. Pues permiten una visión holítica y objetiva de un dominio, favoreciendo así su interpretación. Por ello, a continuación las tratamos con más detalle. 3.2. Redes Sociales Pese a sus largos años de existencia y de su uso internacionalmente aceptado, en el ámbito de la Documentación, las redes sociales y su análisis son una aproximación prácticamente desconocida tanto en el ámbito teórico como metodológico. No obstante esta tendencia está cambiando. Las redes sociales y su análisis pueden significar un salto cuantitativo y cualitativo en la representación y análisis de la estructura de todo tipo de dominios científicos, ya sean geográficos, temáticos o institucionales. Capítulo 3: Visualización y Análisis de Dominios - 50 - Como dicen Liberman y Wolf, la comunidad científica estructura sus relaciones conforme a modelos de redes sociales, donde los nodos o actores representan individuos, disciplinas científicas, etc., y los enlaces, al conocimiento que intercambian dichos actores(Liberman, S. y Wolf, K. B., 1997). Para una revisión profunda y detallada de lo que supone el análisis de redes sociales y la teoría de grafos, nos remitimos al trabajo de Wasserman, S. y Faust, K. (1998). 3.2.1. Nociones Básicas A lo largo del tiempo, las redes sociales han desarrollado una terminología propia que ha ido creciendo de forma paralela a la gran variedad de estudios realizados desde distintas disciplinas y perspectivas. Como consecuencia, fuera de algunas nociones en torno a las que hay establecido un consenso básico, es fácil apreciar la proliferación de conceptos e ideas diferentes bajo términos aparentemente bien establecidos. Esto da lugar a una gran confusión en torno a conceptos clave para el análisis de las redes sociales(Herrero, R., 1999). Por ello, a continuación se recogen los conceptos básicos necesarios para la comprensión teórica y metodológica de los siguientes apartados que le preceden. Actor. En las redes sociales, hay dos elementos fundamentales para su comprensión y uno de ellos es el actor. Este nombre se le da a cada una de las entidades u objetos de estudio que componen la red. En la red social o grafo, también recibe el nombre de nodo, vértice o punto. El actor no tiene por qué representar a una unidad concreta o individuo, puede ser también una empresa, institución, colectivo social, etc. Enlace. Es el otro elemento fundamental para la compresión del análisis gráfico de las redes y es el encargado de unir o conectar a unos actores con otros. También recibe el nombre de conexión o línea, y puede ser direccional o no direccional. Un enlace será de un tipo u otro en función Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 51 - de que indique la dirección del mismo 8 de un actor a otro8 por medio de una flecha, o sin ella. En el primer caso, el enlace recibe el nombre de flecha, arco 8 arc8o enlace direccional, en el segundo caso también se le llama no direccional o recíproco. A su vez, los enlaces pueden ser ponderados o no, dependiendo de si indican de forma numérica el grado de la conexión. Ilustración 1. Actores y enlace no direccional Hay un tipo especial de enlace que es el auto enlace o loop, que se produce cuando un actor hace referencia o conecta consigo mismo. Ilustración 2. Loop o autoenlace Grupo. Conjunto finito de actores y enlaces que por motivos teóricos, conceptuales o empíricos, son tratados como un conjunto finito de individuos. Ilustración 3. Grupo de actores de una red Capítulo 3: Visualización y Análisis de Dominios - 52 - Subgrupo. Subconjunto o agrupación finita de actores y enlaces que forman parte de una unidad mayor o red. Ilustración 4. Subgrupo nodos amarillos en una red Relación. Conjunto de enlaces que existen entre actores de un grupo o conjunto de actores concreto. Actores adyacentes. Actores que se encuentran relacionados o conectados directamente por un enlace. Ilustración 5. Relaciones y adyacencias del actor dos Conexiones directas. Son aquellas que se producen entre actores adyacentes, es decir, sin ningún nodo intermediario. También reciben el nombre de enlaces directos. Es por ejemplo la relación de adyacencia 8 de color rojo8 que existen entre el actor dos y sus vecinos, en la ilustración 5. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 53 - Vecindario. Conjunto de actores con los que un actor o nodo concreto es adyacente. Ilustración 6. Vecindario del actor dos Conexiones indirectas. Son las que se realizan entre nodos no adyacentes, es decir, a través de actores intermediarios. También se les denomina enlaces indirectos. Path o camino. Se trata de la secuencia de enlaces y actores que conectan dos actores no adyacentes, sin que se repita ninguno de ellos. La longitud del path está determinada por el número de enlaces. Pone de manifiesto la existencia de una conexión indirecta. Ilustración 7. Uno de los posibles paths entre los actores uno y cinco Capítulo 3: Visualización y Análisis de Dominios - 54 - Distancia geodésica. Es el path más corto entre dos nodos o actores de una red. También se le llama longitud geodésica, o simplemente distancia. Ilustración 8. Una de las posibles distancias entre los actores uno y once Diámetro. Es el path más largo entre dos nodos o actores. Ilustración 9. Diámetro entre los actores uno y once. Actores aislados. Actores que no tienen enlace o relación con ningún otro actor de la red. También reciben el nombre de actores desconectados. Ilustración 10. Red con un actor aislado Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 55 - Conectividad de un Gráfico. Se dice que un gráfico está conectado si existe un path entre cada par de nodos. Cuando el gráfico no está conectado, se dice que está desconectado. Componentes. Reciben este nombre cada uno de los subgráfos o subgrupos que componen una red. Ilustración 11. Gráfico conectado y gráfico desconectado con dos componentes Punto de corte. Un nodo o actor se considera punto de corte si al eliminar dicho nodo, y por tanto los enlaces que inciden en él, el gráfico queda desconectado o aumenta su número de componentes. Otras denominaciones utilizadas para los puntos de corte son: intermediario y broker. Ilustración 12. Nodo o actor intermediario de una red Capítulo 3: Visualización y Análisis de Dominios - 56 - Puente. Es un elemento crítico en la conectividad de un gráfico. Si al eliminar un enlace concreto entre dos actores, el gráfico queda desconectado, o aumenta su número de componentes, ese enlace representa un puente en la red. Ilustración 13. Enlace que actúa como puente entre dos componentes Medidas de Centralidad. Medidas destinadas a la detección e identificación de los actores centrales o más importantes de una red. Este tipo de medidas se basan en la teoría de grafos. La idea de centralidad no hace referencia a la posición de un actor, sino a su grado de integración o cohesión en la red. Siguiendo a Freeman, L. C. (1979), las medidas de centralidad son tres: grado, cercanía o closeness, y nivel de intermediación o betweenness. Dentro de ellas podemos distinguir: a) Centralidad de Grado. También conocida simplemente como grado, es la unidad más simple de centralidad. Se define como el número de enlaces directos que tiene un actor. Un actor con un grado de centralidad elevado tendrá un amplio vecindario, ocupará posiciones centrales, se hará más visible y se convertirá en un elemento importante para la interconexión de la red. b) Centralidad de Cercanía o Closeness. Este tipo de medida se basa en la cercanía o distancia y mide cuánto está de cerca un actor del resto de actores de la red. Cuanto más central sea un actor, mayor será su capacidad de interacción con el resto de actores. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 57 - c) Centralidad de Intermediación o Betweenness. La interacción entre dos actores no adyacentes puede depender de otros actores de la red, en concreto, de aquellos situados en el path de dichos nodos no adyacentes. Este tipo de actores o intermediarios de paths entre actores, son los encargados de controlar las interacciones en la red. La centralidad por intermediación o betweenness mide el grado en que un actor concreto 8 intermediario8 forma parte del path más corto o distancia geodésica entre otros actores. 3.2.2. Concepto de Red Social Muchos de los términos habituales empleados en la teoría y análisis de redes sociales provienen de la antropología. Precisamente, es a un antropólogo: Barnes, J. A. (1954) a quien se le atribuye el honor de haber sido el creador del concepto de red social (social network). Para Barnes, una red social consiste en un conjunto de lazos que vinculan a los miembros del sistema social a través y más allá, de las categorías sociales y los grupos cerrados. Según Waserman y Faust, una red social consiste en un conjunto finito de elementos 8 actores8 y de relaciones definidas entre ellos, donde la presencia de estas últimas es una característica crítica y definitoria de la red, pues lo importante en las redes sociales no es el individuo, sino la estructura, la cual se define como el conjunto de individuos y sus conexiones(Wasserman, S. y Faust, K., 1998). Molina, Muñoz y Losego, afirman que las redes sociales se centran en la identificación y análisis de estructuras a partir del estudio de las relaciones existentes entre determinados elementos, independientemente de sus atributos o características. Se asume que esas estructuras ejercen Capítulo 3: Visualización y Análisis de Dominios - 58 - algún tipo de influencia en el comportamiento de los elementos que componen el sistema(Molina, J. L., Muñoz, J., y Losego, P., 2000). No existe un acuerdo por parte de los autores dedicados al estudio de las redes sociales sobre su definición, sin embargo, sí que existe un amplio consenso acerca de los principios más destacados de las redes sociales que Wasserman, S. y Faust, K. (1998) resumen en cuatro: x Los individuos y sus acciones son contemplados como elementos independientes. x Las conexiones entre los individuos son estudiadas como canales de transferencia. x Las redes centradas en individuos muestran una estructura de red en la que éstos se muestran como fuente de oportunidades o limitaciones en la acción individual. x Los modelos de redes, conceptualizan estructuras como si fuesen patrones fijos de relaciones entre individuos. 3.2.3. Breve Revisión Histórica Las raíces de las redes sociales hay que buscarlas a mediados de los años treinta del siglo XX en la Psiquiatría y en la Antropología social(Moreno, J. L., 1934), al iniciar ambas por separado el estudio de pequeños grupos de individuos por medio de sus componentes: actores y enlaces. Pero su verdadero desarrollo vino propiciado de la mano de la Psicología, al introducir medidas destinadas a obtener los patrones de las conexiones sociales que enlazan conjuntos de actores(Freeman, L. C., 2000a). El objetivo perseguido era detectar grupos sociales 8 actores que están estrechamente interrelacionados8 , o bien posiciones sociales 8 actores que dentro de un sistema social, están relacionados de forma similar8 . El medio Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 59 - utilizado para representar las conexiones entre los actores y en el que aplicar las medidas con las que obtener patrones de comportamiento, fueron las matrices de coincidencia de datos. Aunque tosco y poco informativo a simple vista, se constituyó como el método más adecuado con el que detectar y estudiar las relaciones entre individuos y grupos. La representación gráfica de la información para el análisis de este tipo de patrones fue propuesta por primera vez por Moreno mediante el sociograma: ...el sociograma es más que un mero sistema de representación. ...es un método que hace posible la exploración de hechos sociométricos, donde el emplazamiento propio de cada individuo y sus interrelaciones con otros individuos, puede ser mostrado. Hasta ahora, es el único esquema posible para realizar el análisis estructural de una comunidad. El sociograma aporta la gran ventaja de transformar la información matemática contenida en matrices numéricas 8 matrices8 , en información visual 8 grafos8 . Desde el punto de vista de la abstracción, la información visual tiene grandes ventajas sobre la información meramente numérica, pues permite una mejor transmisión de la información estructural de la red y destacar la relevancia de los distintos actores, tal como hemos visto en el aparato 2.3. En una matriz, los actores sociales son representados mediante filas 8 casos8 y columnas 8 variables8 , y los enlaces son los valores existentes en la correspondencia entre ambos 8 tabla 18 . Capítulo 3: Visualización y Análisis de Dominios - 60 - 1 2 3 4 5 6 1 0 1 0 0 0 0 2 1 0 0.525 0 0.33 0 3 0 0.525 0 0 0.217 0.609 4 0 0 0 0 0.139 0 5 0 0.33 0.217 0.139 0 0 6 0 0 0.609 0 0 0 Tabla 1. Matriz de cocitación de datos En un sociograma, los actores son representados mediante nodos o vértices y los enlaces son las relaciones existentes entre los actores que interactúan entre sí 8 ilustración 148 . Ilustración 14. Red social de nodos y enlaces o sociograma El sociograma desarrollado por Moreno fue el precursor y marcó el inicio de la Sociometría: la precursora del análisis de redes sociales mediante la medición de las relaciones interpersonales en grupos reducidos. En un principio, los sociogramas se dibujaban a mano, por lo que los resultados estaban supeditados en gran medida a las dotes artísticas del encargado de hacer la representación de la red. Con el desarrollo de los ordenadores a partir de los sesenta, se libera a los investigadores de la gestión de grandes volúmenes de datos y se logran unos resultados Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 61 - comparables a los que se obtenían de forma manual, pero con un mayor grado de validez científica y fiabilidad(Corman, S. R., 1990). La incorporación de la informática a las redes sociales supuso un gran impulso para éstas, permitiendo según Freeman, L. C. (2000b): x la representación y análisis de estructuras complejas, x la obtención de gráficos en 2 o 3 dimensiones, y x la aplicación a las redes sociales de técnicas de análisis multivariante, tales como el análisis factorial, para el posicionamiento y reducción espacial de las representaciones. A partir de los setenta, con el progreso de las matemáticas discretas y en concreto de la teoría de grafos, se establece un marco conceptual que proporciona al análisis de redes sociales: ...el lenguaje formal para la descripción de las redes y sus características. La posibilidad de interpretar los datos de una matriz como conceptos formales y teoremas, los cuales se pueden relacionar directamente con las características propias de las redes sociales(Scott, J., 1992). Si el sociograma se constituía en la forma de representar gráficamente una matriz de datos relacionales, el lenguaje de la teoría de grafos se establece como otra forma mucho más general de hacerlo. La teoría de grafos no es una teoría matemática más, sino que es el punto de partida de la mayoría de las ideas para el análisis de redes sociales. De acuerdo con esto, podemos decir que un sociograma es la representación gráfica de una matriz de datos que recibe el nombre de grafo o gráfico, el cual por medio de la teoría de grafos, se transforma en conceptos y Capítulo 3: Visualización y Análisis de Dominios - 62 - teoremas, dando como resultado una red social compuesta por actores y enlaces. A partir de los años ochenta, con la introducción de los ordenadores personales, se hace posible la representación gráfica de las redes sociales en la pantalla de un ordenador. De esta forma, se consigue el tan ansiado objetivo de los investigadores de poder aplicar las distintas técnicas de agrupamiento y detección de posicionamiento social en un soporte distinto al papel. A su vez se facilita la validación de los sociogramas por otros investigadores independientes, para contrastar su validez. Desde entonces hasta ahora, las redes sociales y su análisis han sido utilizadas en una amplia gama de problemáticas, entre otras: estudios de la movilidad laboral, impacto residencial en los individuos, sistemas políticos y económicos, toma de decisiones, apoyo social, comunidades, grupos para la resolución de problemas, difusión, relaciones corporativas, creencias, percepción y cognición, mercado, Sociología de la ciencia, poder e influencia, consenso e influencia social, formación, comunicaciones entre ordenadores, estructuras organizativas, salud y enfermedad (SIDA), estudios de citación y cocitación de artículos y revistas, visualización de dominios científicos, como interfaces para la recuperación de la información, y desde no hace mucho, en el análisis y estructura de la ciencia. 3.2.4. Análisis de Redes Sociales La aparición de las redes sociales como herramienta de estudio del comportamiento social de grupos pequeños de individuos, el desarrollo del sociograma como técnica para la representación gráfica de las relaciones y la aparición de la teoría de grafos como marco conceptual para la descripción y estudio de las redes sociales, no tenían otro objetivo que el realizar de una forma profunda y adecuada el análisis estructural de las redes sociales. Pero, ¿cuál es el objetivo de dicho análisis? Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 63 - Cassi opina que puesto que la red social se basa en la interdependencia entre los actores y sus acciones, su análisis debe centrarse por tanto más en las relaciones que en las características o atributos de los elementos que la componen(Cassi, L., 2003). Para Freeman el análisis de redes sociales es una especialidad interdisciplinar de las ciencias del comportamiento, cuyo objetivo es la observación de los elementos interdependientes objeto de estudio 8 actores8 y de cómo las interacciones 8 relaciones8 que se producen entre ellos, afectan a cada actor. El análisis de redes sociales implica la elaboración de modelos teóricos y empíricos con el fin de descubrir patrones de relaciones entre los actores, así como los antecedentes y consecuencias de dichos patrones(Freeman, L. C., 2000a). Molina afirma que el análisis de redes sociales estudia relaciones específicas entre una serie definida de elementos y que a diferencia de los análisis tradicionales, se centra en el análisis de las relaciones y no en los atributos de los elementos. Trata, por tanto, con datos relacionales y es capaz por medio de ellos, de identificar y describir una estructura de una forma operativa y no metafórica(Molina, J. L., 2001). Rodríguez, sostiene que el análisis de redes intenta explicar el comportamiento de elementos de la red y del sistema en su conjunto. Esto implica el rechazo de los intentos de explicar los procesos sociales o el comportamiento de los individuos basándose exclusivamente en los atributos de los actores. Frente a este tipo de análisis individualista, tan típico de las ciencias sociales, el análisis de redes intenta explicar el comportamiento de los individuos como el resultado de sus relaciones sociales.(Rodriguez, J. A., 1995). Capítulo 3: Visualización y Análisis de Dominios - 64 - Wasserman y Faust opinan que el análisis de redes sociales integra teorías, modelos y aplicaciones que se expresan en términos de relaciones conceptuales. Es decir, consideran que las relaciones son el componente fundamental de la teoría de redes(Wasserman, S. y Faust, K., 1998). De estas definiciones, se deduce que el análisis de redes aporta un nuevo método para el examen de procesos con respecto a los utilizados hasta ahora. Su principal diferencia con respecto al resto estriba en que no se basa en un análisis individualista de las características de los actores, sino que se sustenta en la información relacional de los actores que componen la estructura de la red. El análisis de redes sociales, también conocido como análisis estructural, ha desconcertado a muchos investigadores. Como dice Welman, B. (1988): algunos lo han desestimado por ser una mera metodología que carece de los méritos suficientes para tratar cuestiones sustantivas. Algunos han huído de sus extraños términos y técnicas, pues no juegan con bloques y gráficos desde la escuela primaria. Algunos han desechado una parte del todo, señalando, por ejemplo, que sus estudios acerca de la estructura de clases no requieren concentrarse en los lazos de amistad enfatizados por el análisis de redes. Y otros lo han desdeñado como algo que no tiene nada de novedoso, aduciendo que ellos también estudian la estructura social. Otros se han ?atornillado? a variables tales como la densidad de red, como a un termocompresor, con el fin de impulsar la varianza explicada. Todavía otros, atraídos por la posibilidad de estudiar estructuras no jerárquicas, no grupales, han ampliado el análisis estructural a una ideología de redes que aboga por comunidades igualitarias y abiertas. Algunos hasta han llegado a emplear network (red) como verbo, o networking como sustantivo, para propugnar la creación y uso deliberado de redes sociales con fines deseables 8 tales como conseguir empleos o integrar comunidades8 . Estas (pseudo)concepciones han surgido debido a que muchos analistas y profesionales han (pseudo)usado (sic) el análisis de redes sociales como un cajón de sastre de términos y técnicas. Algunos lo han congelado hasta Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 65 - reducirlo a un método, mientras que otros lo han suavizado en una metáfora. Muchos han limitado el poder del enfoque al tratar todas las unidades como si tuvieran los mismos recursos, a todos los lazos como si fueran simétricos, y como si los contenidos de todos los lazos fueran equivalentes. Sin embargo, el análisis estructural no obtiene su poder de la aplicación parcial de tal concepto o de tal medida. Es una forma comprehensiva y paradigmática de considerar la estructura social de una manera seria, a partir del estudio directo de la forma en que los patrones de vinculación asignan los recursos en un sistema social. Por tanto, su fuerza radica en la aplicación integrada de conceptos teóricos, maneras de obtener y analizar los datos, y en un creciente y acumulativo corpus de hallazgos sustantivo. 3.3. Scientografía La información científica se encuentra diseminada por disciplinas que, para los no especialistas en la materia, e incluso a veces para ellos mismos, tienen poco en común, o están poco relacionadas entre sí. Es por esto, que al estudiar un dominio perteneciente a un campo de conocimiento concreto siguiendo los métodos tradicionales, en la mayoría de los casos, siempre queda la sensación de no comprender el dominio en su conjunto. Es decir, percibimos el domino como algo desgajado de la totalidad y sin ningún tipo de relación con el resto. Es algo así como si estuviésemos completando un puzzle y al tener una pieza de él en la mano, frente a nosotros, no supiéramos el lugar donde colocarla, ni con qué otras piezas se relaciona. La nueva generación de documentalistas se ve irremediablemente abocada a dirigir sus esfuerzos a la visualización de las disciplinas científicas(White, H. D. y McCain, K. W., 1997). La información científica esta distribuida entre disciplinas que tradicionalmente tienen poco en común. Para un científico, la puesta al día sobre una determinada disciplina no es posible mediante la mera revisión de la misma. Si así lo hiciera, necesitaría invertir una gran cantidad de tiempo y esfuerzo para finalmente, Capítulo 3: Visualización y Análisis de Dominios - 66 - no poder alcanzar, de todas formas, una adecuada comprensión de la misma en su totalidad. Conseguir representar el mapa del conocimiento científico, 8 the big picture8 como elemento de apoyo, estudio, análisis, puesta al día, etc. de la ciencia, ha sido algo muy ansiado y deseado por muchas razones y durante mucho tiempo, como ya se ha comentado. Los mapas de la ciencia pueden convertirse en una herramienta muy adecuada para resolver este problema y permitir navegar por la literatura científica por medio de la representación de sus relaciones espaciales(Garfield, E., 1986). Dichos mapas, pueden ser también utilizados como el medio más adecuado para representar la distribución de las áreas de investigación y ofrecer al mismo tiempo información adicional, gracias a la posibilidad de poder contemplar sus relaciones(Small, H. y Garfield, E., 1985). Desde un punto de vista general, estos mapas reflejan las relaciones entre disciplinas. Las etiquetas identificativas de cada una de ellas, revelan las conexiones semánticas al tiempo que sirven de indicio para conocer porqué unas están conectadas con otras. Es más, estos mapas revelan qué dominios de la ciencia o especialidades son objeto de investigación hoy día, y qué individuos, publicaciones, instituciones, regiones o países son los más prominentes(Garfield, E., 1994). A la construcción de mapas a partir de información bibliométrica, también se le conoce como scientografía (scientography). Según el propio Garfield, el término scientografía fue acuñado por el responsable de investigación básica del Institute for Scientific Information (ISI), George Vladutz, para denominar los gráficos o mapas que se obtienen como consecuencia de la combinación de la scientometría con la geografía (Garfield, E., 1986). Entendiendo por scientometría como aquella especialidad basada en la citación cuyo objetivo es el estudio cuantitativo de la producción científica, mediante la aplicación de las técnicas bibliométricas a la literatura científica. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 67 - Aunque scientografía es un término poco utilizado, posiblemente debido a la aparición y proliferación de otros como visualización de dominios o visualización del conocimiento, que hacen referencia a la misma idea, en nuestra opinión, se trata de una locución muy adecuada para referirse al hecho de cartografiar la ciencia mediante grafos, 8 scientogramas8 para que pueda ser visualizada 8 visualización de dominios científicos8 y analizada 8 análisis de dominios8 . 3.4. Scientografía y Análisis de Dominios La scientografía puede ser considerada como herramienta y método para el análisis de dominios, afianzando así el enfoque holístico y objetivo de este tipo de análisis. Es herramienta en tanto que permite la generación de mapas bibliométricos, y a la vez es método, porque favorece y facilita el análisis de dominios al mostrar de forma gráfica la estructura y relaciones de los elementos que se representan en el dominio. La scientografía es por tanto, una herramienta holística en tanto que permite construir mapas bibliométricos basados en el discurso de la comunidad que se pretende representar, y una herramienta objetiva, en cuanto que dichos mapas se construyen a partir del conjunto de opiniones y pareceres de las personas que conforman esa comunidad. Además, la scientografía es un método holístico, entre otras razones, porque permite analizar el dominio a partir del discurso de la comunidad en que se forma y es un método objetivo, porque posibilita el análisis de la estructura no subjetiva, por medio del consenso intelectual de las relaciones existentes entre los elementos que lo representan. Esta síntesis entre herramienta-metodología/holisticismo-objetivismo de la scientografía, se ve aún más reforzada mediante el uso de redes sociales en la representación gráfica de los mapas bibliométricos. Pues gracias a ellas, es posible representar los dominios no como grupos de elementos aislados en los que sólo se estudian sus características, sino Capítulo 3: Visualización y Análisis de Dominios - 68 - como conjuntos completos en los que además se estudian sus relaciones y se establecen conclusiones sobre ellas. La representación gráfica de las redes sociales, ofrecen la posibilidad de descubrir y demostrar teorías sobre los propios gráficos y por tanto, sobre los modelos a los cuales representan. Por ello, han sido muy utilizados en el análisis de redes sociales como medio para la representación formal de las relaciones sociales, así como para detectar y cuantificar las propiedades estructurales de las mismas. Pues este tipo de representación visual de los datos que ofrecen el grafo o sociograma, permite a los investigadores descubrir patrones, estructuras, pautas, etc., que de otra forma, permanecerían ocultos. En el área de la Documentación, la visualización de la información por medio de la representación gráfica de las redes sociales, se ha convertido en una de las principales técnicas a partir de la cual, poner de manifiesto las relaciones intelectuales y la estructura del conocimiento científico. Esta nueva aproximación, no sólo magnifica las posibilidades del análisis de dominios tradicional, así como la explicación de las distintas disciplinas científicas, sino que además se constituye como una herramienta fundamental con la que poder estudiar la interacción y evolución de la ciencia por medio de las disciplinas y especialidades que la constituyen. En conclusión, podemos decir que la scientografía 8 mapas bibliométricos representados mediante redes sociales8 es una herramienta, al mismo tiempo que un método para el análisis de dominios científicos, pues permite visualizar las relaciones reales entre los distintos autores, trabajos, revistas, disciplinas científicas, etc. Así mismo, revelan el reconocimiento explícito que unos hacen de otros y por tanto, las interacciones y evolución del dominio objeto de estudio, como mostraremos en el capítulo siguiente. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 69 - 4. Aspectos Metodológicos Previos a la Scientografía White y McCain en su obra Visualization of literature, distinguieron cinco modelos de información: bibliográfica, editorial, bibliométrica de usuarios y sintética(White, H. D. y McCain, K. W., 1997). Hoy día, como consecuencia del desarrollo de la tecnología de la información y de las técnicas para el tratamiento y representación de la información, las fronteras entre esos modelos, se muestran difusas e indeterminadas. El modelo que utilizan hoy los investigadores podría ser definido como un metamodelo de usuario. Es un modelo de usuario en la medida que representa una reducción de la base informativa, atendiendo a las consultas, necesidades o perfiles propios del usario, por medio de procesos informáticos complejos. Y es un metamodelo porque contiene metadatos tales como: autor, título, fecha, categorías, etc., que pueden ser utilizados para mostrar las relaciones entre las unidades objeto de estudio, así como para la generación de mapas. Además, estos datos contienen o pueden ser utilizados para generar información bibliométrica: número de citas, cocitas, factores de impacto, etc. Este metamodelo de usario está muy relacionado con los procesos y técnicas utilizados para la generación de mapas o visualización de dominios(Börner, K., Chen, C., y Boyack, K. W., 2003). A continuación, ofrecemos una sinopsis de estos procesos con sus posibles variaciones en la ilustración 15. Se trata de una simplificación basada en la propuesta realizada por los autores citados anteriormente, en la que hemos eliminado algunos elementos para hacer un especial hincapié en otros, concretamente, en aquellos que serán utilizados en nuestra propuesta de visualización de grandes dominios científicos, la cual detallaremos en el Capítulo 6. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 70 - Æ Æ Æ Æ RECOPILACIÓN DE INFORMACIÓN UNIDADES DE ANÁLISIS UNIDADES DE MEDIDA REDUCCIÓN Y DISTRIBUCIÓN ESPACIAL DE LA INFORMACIÓN REPRESENTACIÓN GRÁFICA BÚSQUEDAS ISI INSPEC Eng. Index Medline Research Index Patentes Etc. ENRIQUECIDA Por citas Por términos MÁS COMUNES Paises Clases Categorías Revistas Documentos Autores Términos Palabras VALORES/FRECUENCIAS Atributos (p.e. términos) Citas Co-citas Agrupaciones por año UMBRALES Por valor REDUCCIÓN DEL ESPACIO Análisis de Clusters Análisis Factorial (FA) y Análisis de Componentes Principales (PCA) Multi-dimensional Scaling (MDS) Pathfinder networks (PFNETS) Mapas auoto-organizativos (SOM) Incluyendo SOM, ET-maps, etc Blockmodeling DISTRIBUCIÓN ESPACIAL DE LA INFORMACIÓN Kamada-Kawai Fruchterman-Reingold INTERACCIÓN Browsing Vista panorámica Zoom Filtrado Consultas ANALISIS Ilustración 15. Fases de las que se compone el proceso de visualización de información Seguidamente, realizamos una breve revisión general de cada una de las fases. 4.1. Recopilación de Información Para la representación estructural de un dominio científico, es imprescindible disponer en primer lugar de la información necesaria para hacerlo, y en segundo, que dicha información sea la adecuada para reflejar de forma fiel la estructura del dominio que se pretende representar. No vamos a abordar aquí el problema de la importancia de la elección de las fuentes de información. Tampoco afrontaremos las distintas estrategias de búsqueda y extracción de información, pues suelen variar en función de la fuente utilizada. Simplemente, resaltaremos su importancia. Pues la calidad del mapa de un dominio científico está directamente relacionado con la calidad de la información a partir de la cual, se ha construido. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 71 - 4.2. Unidades de Análisis Las unidades de análisis más comúnmente utilizadas para la representación de dominios científicos son: revistas, documentos, autores, términos y palabras. Aunque recientemente, a este grupo se les han añadido también otras unidades más amplias como son: países, ámbitos temáticos de diferentes niveles, instituciones y categorías ISI. La elección de una unidad u otra, depende del grado de profundidad de análisis que se quiera alcanzar en la representación del dominio. En función de la unidad de análisis seleccionada, cada representación del dominio presentará diferentes facetas, facilitando a su vez diferentes tipos de análisis y accesos. No es muy común encontrar visualizaciones de dominios en las que se conjugen varias unidades de análisis a la vez. Es perfectamente viable y de hecho, no hay ninguna regla que lo impida. Pero posiblemente, el alto esfuerzo cognitivo necesario para el análisis de representaciones de dominios con estas características, sea el motivo que las hace tan escasas. No obstante, si que es posible encontrar sucesiones de visualizaciones de un mismo dominio, en las que las unidades de análisis que se utilizan en cada una de ellas son distintas. Utilizando las unidades con una mayor capacidad de aglomeración para representar la estructura general de un dominio, y las unidades más pequeñas o menos aglutinadoras para ir descendiendo en niveles de especificidad mucho más detallados. Un aspecto relacionado con las unidades de análisis y que hay que tener en cuenta, es la cantidad de información de que se dispone y, subsidiariamente, el tamaño total del dominio a representar. Si el número de variables o ítems con los que vamos a trabajar es muy reducido, será posible construir visualizaciones de dominios con unidades muy pequeñas, como palabras o descriptores. Si no es así, habrá que plantearse el uso de otras unidades de análisis mayores, como los documentos o los autores. Pero si la cantidad de información a tener en cuenta es elevada o muy Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 72 - elevada, habrá que recurrir a unidades de análisis que cuenten con la capacidad de concentrar unidades más pequeñas, como es el caso de las revistas que agrupa a documentos, autores y términos, o el de categorías, que los engloba a todos ellos a la vez. Esta consideración no es nueva en el campo de la visualización de la información, y está originada por la limitación física que supone la representación de la información en un espacio reducido de poca resolución. Por ello, autores como Tufte, E. R. (1994; 2001), llevan dedicados más de una década estudiando este aspecto y sugiriendo soluciones. 4.3. Unidades de Medida El objetivo de las unidades de medida, consiste en cuantificar la relación entre cada uno de los miembros de la unidad de análisis seleccionada con el resto de sus componentes. El resultado son matrices de datos multidimensionales que ponen de manifiesto la existencia de dichas relaciones y su grado. Las unidades de medida han sido muy bien estudiadas por White y McCain. Por ello, consideramos que es recomendable utilizar la terminología por ellos propuesta, en lugar de desarrollar una propia. Utilizamos cierta terminología técnica como ínter citación, ínter documental, coasignación, coclasificación, cocitación y copalabras. El prefijo "inter" implica relaciones entre documentos [o unidades]. Así, la ínter citación de revistas, cuenta el número de veces que una revista cualquiera, cita a otras revistas, incluida ella misma, en una matriz. (Las citas aparecen en artículos, por supuesto). Lo opuesto, es el número de veces que cualquier revista es citada por otras revistas. El mismo tipo de matriz puede formarse con autores, reemplazándolos por las revistas. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 73 - La coasignación significa la asignación de dos términos de indización al mismo documento por un indizador (los términos pueden ser cotérminos, codescriptores, o coclasificaciones). La cocitación se produce cuando dos trabajos cualesquiera, aparecen en las referencias de un tercer trabajo. Los autores de dos trabajos cocitados, son autores cocitados. Si los trabajos cocitados aparecen en dos revistas diferentes, estas se convierten en revistas cocitadas. Copalabras son palabras que aparecen juntas en trozos del lenguaje natural, como por ejemplo título o resumen. Tanto las relaciones "inter" como las "co" son explícita y potencialmente calculables por el ordenador. Por lo tanto, ambas son susceptibles de suministrar información básica para la visualización de la información científica(White, H. D. y McCain, K. W., 1997). Desde el punto de vista de la visualización de dominios, son varias las unidades de medida utilizadas para poner de manifiesto las relaciones existentes entre las unidades de análisis, y así, evidenciar la estructura intelectual que constituyen. Este es el caso de la citación, el bibliographic coupling o emparejamiento bibliográfico, y la cocitación. De todos ellas, hoy por hoy, la cocitación es la técnica más ampliamente aceptada, al mismo tiempo que la más empleada para la visualización de dominios científicos. La cocitación puede ser definida como la frecuencia con la que dos unidades de medida, 8 autores, documentos, revistas, etc.8 , son citadas por otros documentos que han sido publicados con posterioridad a ellas. En palabras de Small, una definición más formal de cocitación es la siguiente: si A es el conjunto de documentos que cita el documento a , y B el conjunto que cita el documento b , entonces BAˆ es el conjunto que citan tanto a a como a b . El número de elementos de BAˆ , es decir )( BAn ˆ , es la frecuencia de cocitación. La frecuencia de cocitación relativa, puede ser definida como )( )( BAn BAn ‰ ˆ (Small, H., 1973). Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 74 - A continuación, realizamos una breve reseña de las combinaciones más utilizadas entre la cocitación y sus correspondientes unidades de análisis, orientadas a la visualización de dominios. 4.3.1. Cocitación de Documentos Conocida también como cocitación de trabajos, es la precursora de la cocitación del resto de unidades de medida. Se define como la frecuencia con la que dos documentos o trabajos, 8 libros, revistas, etc. 8 son citados por otros trabajos o documentos que han sido posteriormente publicados. La idea básica de la cocitación de documentos se basa en el principio de que dos documentos son cocitados por un tercero, porque tienen algún tipo de relación, y que dicha relación será mayor cuanto superior sea el número de cocitas. Las relaciones entre documentos pueden ser utilizadas para representar la estructura científica de un dominio e incluso para la detección de sus frentes de investigación. Pese a aportar un análisis granular de la ciencia más fino que el que se obtiene con otras unidades de medida, no es el más utilizado para la representación de dominios. No obstante, los primeros mapas de la ciencia y algunos posteriores, se han realizado mediante el uso de estas unidades. Entre otros trabajos podemos señalar: (Small, H. y Griffith, B. C., 1974; Griffith, B. C. [et al.] , 1974; Garfield, E., 1981; Small, H. y Garfield, E., 1985; Small, H., 1997; Garfield, E., 1998), entre otros. 4.3.2. Cocitación de Autores De los métodos de coasignación o coocurrencia, el de autores es el más extendido. La cocitación de autores se produce cuando un autor cita, en un nuevo documento, cualquier trabajo de otro autor junto con los trabajos de otros autores. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 75 - La idea básica de la cocitación de autores se basa en que los trabajos citados conjuntamente por dos de ellos cualesquiera (llamados cocitados), ponen de manifiesto la existencia de una relación intelectual entre los autores cocitados. Cuanto mayor es el número de cocitas, mayor es la relación entre los autores. Desde su aparición(White, H. D. y Griffith, B. C., 1981a; White, H. D. y Griffith, B. C., 1981b; White, H. D. y Griffith, B. C., 1982), el análisis de cocitación de autores (ACA) se ha caracterizado por su uso frecuente en la construcción de representaciones bidimensionales. En dichas representaciones, las cocitas agrupan automáticamente materias, metodologías y afinidades sociales, tal y como son percibidas por los citantes. Las matrices que recogen las cuentas de las cocitas, cuyos valores varían a lo largo del tiempo de cero a miles, son la base de la visualización de dominios, los cuales se constituyen por sí mismos en un tipo de análisis de dominios(White, H. D., 2003). El ACA, ha sido muy bien explicado y sintetizado gráficamente por McCain, ilustración 16(McCain, K. W., 1990). Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 76 - Ilustración 16. Proceso del análisis de cocitación de autores Selección de Autores - Informes, textos, monografías - Consulta a expertos - Asociaciones, listas de congresos Frecuencias de cocitación CR = Merton R? AND CR = Mullins N? Creación de la matriz de cocitación - Selección de los autores con una cocitación media y frecuencia de conexión mínimas Conversión a matriz de correlación - Ajuste de los valores de "la diagonal" - Celdas de la diagonal como "valores perdidos" Análisis multivariante - PCA - Clustering - MDS Interpretación y validación - Análisis - Comparación con datos independientes - Consulta a expertos - Validación estadística Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 77 - A lo largo de los últimos veinte años, se ha utilizado distintas técnicas para la construcción de visualizaciones basadas en el ACA. Como entrada de datos, se han recurrido tanto a valores de cocitación en su estado puro, como a la cuenta del número de pares de autores normalizados por algún tipo de medida de similaridad tales como: el coeficiente de correlación de Pearson, Salton o Coseno, etc. Para la representación, o distribución espacial de la información, se ha recurrido a diversas técnicas provenientes de distintas disciplinas tales como: al escalamiento multidimensional (MDS), clustering, análisis factorial (AF), mapas auto-organizativos (SOM), mapas geográficos y Pathfinder Networks (PFNETs). De todas ellas, las representaciones bidimensionales obtenidas con PFNETs, realizadas con valores puros de cocitación y visualizadas mediante programas del tipo insertadores de muelles 8 spring embedders8 , son las que parecen ofrecer mejores resultados(Lin, X., White, H. D., y Buzydlowski, J., 2003). Como veremos más adelante. Aún siendo esta la técnica más utilizada, también tiene sus detractores. El punto más débil radica en la necesidad de una interpretación subjetiva de los resultados, pues requiere que la persona que va a hacer la interpretación del mapa tenga un fuerte bagaje de conocimiento sobre el dominio que se estudia. Al mismo tiempo, también se le reprocha su dificultad para la identificación de grupos dentro de los mapas de dominios(Ding, Y., Chowdhury, G. G., y Foo, S., 1999). Lo cierto es que el ACA es una herramienta de gran potencial para la visualización de la estructura intelectual de las diferentes disciplinas científicas, pues muestra y valida la estructura intelectual del dominio que representa, por medio del consenso de sus principales autores, que son los que al fin y al cabo la componen. Prueba de esto, es la gran cantidad de trabajos que se apoyan en él como unidad de análisis: (White, H. D. y McCain, K. W., 1998; Chen, C. y Carr, L., 1999c; Chen, C. y Carr, L., 1999b; Chen, C. y Paul, R. J., 2001; Chen, C., Paul, R. J., y O'keefe, B., Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 78 - 2001; White, H. D., Buzydlowski, J., y Lin, X., 2000; White, H. D., 2000; White, H. D., 2001; Lin, X., White, H. D., y Buzydlowski, J., 2003; White, H. D., 2003), y un largo etc. 4.3.3. Cocitación de Revistas La idea básica de la cocitación de revistas es la misma que la del resto de unidades de medida ya comentadas. Es decir, cuantas más veces aparezcan cocitadas dos revistas, mayor será la relación que exista entre ellas. Al igual que documentos y autores, las revistas también se pueden distinguir por diversas características: su amplia o reducida especialización temática, orientaciones metodológicas, filiación institucional, prestigio profesional, así como por otros atributos. Dentro de la cocitación de revistas, la cocitación de artículos conecta las revistas en que dichos artículos han sido publicados. Por tanto, dos revistas serán cocitadas cuando al menos dos artículos, que pueden pertenecer a la misma o a distintas revistas, aparecen referenciados en la bibliografía de un nuevo artículo. De acuerdo con este principio, las revistas de carácter general, tendrán más posibilidades de cocitación con un gran número de publicaciones, mientras que las especializadas, serán cocitadas con otras revistas de temática más reducida(McCain, K. W., 1991b). Los datos de cocitación procedentes de los artículos de revistas, ofrecen información crucial sobre los investigadores y de las disciplinas en las que publican, es decir, sobre la cobertura temática de las revistas en las que los autores publican sus artículos. Al igual que ocurría con el ACA, el análisis de cocitación de revistas (ACR) tiene un gran interés por la posibilidades que ofrece para la construcción de visualizaciones que hagan surgir la estructura científica de un determinado dominio, que para el caso de las revistas, hacen referencia a las disciplinas que en ella se recogen o se publican. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 79 - EL ACR ha dado lugar a estudios que ponen de manifiesto la estructura de diferentes disciplinas científicas, mediante la representación gráfica de sus dominios: Psicología(Doreian, P., 1985), Geografía(Doreian, P., 1988), Ciencias de la comunicación(Rice, R. E., Borgman, C. L., y Reeves, B., 1988), Economía(McCain, K. W., 1991b), Genética(McCain, K. W., 1991a), Informática médica(Morris, T. A., 1998), Ingeniería informática(Marion, L. S. y McCain, K. W., 2001), Medicina cardiovascular(Jarneving, B., 2001), Biblioteconomía y Documentación(Bonnevie, E., 2003; Ding, Y., Chowdhury, G. G., y Foo, S., 2000), y Semiconductores(Tsay, M. Y., Xu, H., y Wu, C. W., 2003), entre otros. Del mismo modo que el ACR puede aplicarse a una disciplina en su conjunto, también puede ser utilizado en las referencias bibliográficas correspondientes a una sola revista(Moya Anegón, F. d. y Herrero-Solana, V., 2001). Representando así la estructura intelectual de la propia revista, por medio de los trabajos que se publican en ella. 4.3.4. Cocitación de Clases y Categorías La cocitación de clases y categorías, fue propuesta por un grupo de investigadores de la Universidad de Granada(Grupo SCImago, 2002), como técnica para la construcción de mapas de grandes dominios científicos. Se basa en la prolongación o extensión del esquema de cocitación tradicional y en el uso de unidades de análisis superiores a las utilizadas hasta ahora(Moya Anegón, F. d. [et al.] , 2004). Las unidades superiores propuestas por orden ascendente son: las categorías del Journal Citation Report (JCR)(The Thomson Corporation, 2005a) 8 versiones Science Citation Index (SCI) y Social Science Citation Index (SSCI)8 , y las clases de la Agencia Nacional de Evaluación y Prospectiva(ANEP, 2004). La extensión del esquema de cocitación es el siguiente: Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 80 - Ilustración 17. Esquema de Cocitación de Clases y Categorías Es un hecho aceptado por la comunidad investigadora, en el área de la visualización y representación de la información, que la frecuencia con la que dos documentos cualesquiera son citados conjuntamente 8 cocitados8 , representa el grado de afinidad de los mismos según el punto de vista del autor/es citantes, que mide su grado de relación o asociación, tal y como es percibida por dicho autor/es y que representa, de forma esquemática, la estructura del objeto de estudio. Por tanto, la cocitación y con ella su valor, refleja el número de veces en que dos unidades de cocitación 8 autores, revistas, palabras, categorías JCR, clases ANEP8 han sido citadas juntas en trabajos posteriores. El JCR, dependiendo de las disciplinas que cada revista declara abarcar, asigna a cada una de ellas una o varias categorías temáticas. Así, por ejemplo, la revista Journal of the American Society for Information Science and Technology (JASIST), está adscrita por el JCR a las categorías Computer Science and Information System e Information Science and Library Science. Por tanto, si seguimos el orden del modelo de cocitación de la ilustración 17, es decir, autores, documentos, revistas, categorías JCR, clase ANEP, deduciremos que las dos últimas, también pueden ser utilizadas Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 81 - fácilmente como unidades de cocitación y análisis válidas para la representación de la estructura intelectual de un dominio. Volviendo a la ilustración 17, si los documentos A y B, que aparecen publicados en la revista Journal of the American Society for Information Science and Technology (JASIST), son cocitados por el documento X, dicha cocitación pone claramente de manifiesto que existe una relación entre las categorías Computer Science and Information System e Information Science and Library Science, con una intensidad que estará en función del número de veces que ambas categorías sean cocitadas. Del mismo modo, si el documento A se ha publicado en la revista anteriormente citada y por tanto tiene asignadas las categorías ya mencionadas, y el documento B ha sido publicado en la revista European Journal of Operational Research, que tiene asignadas por el JCR las materias Management y Operations research & Management Science, se nos estará indicando así, que existe una relación entre las categorías Computer Science and Information System, Information Science and Library Science, Management y Operations research & Management Science. La fuerza o intensidad de esa relación, dependerá del número de veces en que dichas categorías sean cocitadas, o lo que es lo mismo, del número de veces en que documentos publicados en revistas pertenecientes a esas categorías sean cocitados. Siguiendo el razonamiento utilizado en las categorías JCR, las clases ANEP pueden ser perfectamente utilizadas como unidades de cocitación, y como unidades de medida mayor para representar la estructura intelectual de un dominio Resumiendo, según el modelo de cocitación expuesto, las referencias del documento X ponen de manifiesto la relación de cocitación existente entre los documentos citados y entre sus respectivos autores. Por extensión, podemos decir lo mismo de las revistas en que esos documentos han sido publicados, así cómo de las categorías temáticas asignadas por el JCR a cada una de esas revistas. De esta forma, resulta fácil y evidente la Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 82 - traslación de la cocitación de documentos a la cocitación de categorías, e incluso si se desea, a niveles superiores de agrupación. Para poner de manifiesto las relaciones intelectuales existentes entre las diferentes disciplinas recogidas en el SCI, SSCI y A&HCI, o lo que es lo mismo: entre las ciencias puras, las ciencias sociales y el arte y las humanidades, como si de una sola entidad se tratase; y para resolver el problema de la normalización de los distintos grados de citación entre disciplinas que aparecen en las distintas bases de datos, Moya y su grupo de investigadores, siguen el ejemplo de Small y Garfield en su trabajo: The geography of science: disciplinary and national mappings(Small, H. y Garfield, E., 1985). Es decir, normalizan la cocitación de clases y categorías, dividiendo la cocitación por la raíz cuadrada del producto de la frecuencia de las citas de las categorías cocitadas. jcic ijCc ijMCN · Ecuación 1. Medida de Cocitación normalizada(Salton, G. y Bergmark, D., 1979) Donde: - Cc es Cocitación - c citación. - i, j son categorías 4.4. Reducción del Espacio n-Dimensional Las matrices multidimensionales a las que hacíamos referencia al comienzo del apartado 4.3, y que eran las encargadas de mostrar las relaciones entre los distintos elementos que componen un dominio, necesitan ser interpretadas. Esto es necesario ya que, debido a su riqueza informativa, la mente humana requiere de mucho esfuerzo y energía para descifrar dichas Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 83 - matrices, cuando esto es posible. Por ello, en la mayoría de los casos es necesario recurrir a métodos que permitan transformar un espacio n- dimensional en otro de dos o tres dimensiones. En este apartado revisamos algunas de las técnicas utilizadas para la reducción del espacio n-dimensional. En concreto, aquellas que puedan ser de utilidad para representar la estructura de un dominio en un papel, o en la pantalla de un ordenador. Distinguiremos tres grandes grupos: los de naturaleza estadística multivariante, los de origen conexionista, y los basados en el análisis de redes sociales. 4.4.1. Métodos de Análisis Multivariante Como venimos señalando, la complejidad de los fenómenos de la ciencia hace que los investigadores se vean obligados a recoger medidas múltiples para poder captar de forma adecuada su naturaleza. Esto ha llevado a una rápida implantación de los métodos multivariantes o multivariables, que son los que permiten analizar simultáneamente conjuntos amplios de variables. La parte de la estadística o del análisis de datos que recoge los métodos para analizar variables múltiples, es el denominado análisis multivariante (AM). En un sentido amplio, el AM puede definirse como: el conjunto de métodos que analizan las relaciones entre un número razonablemente amplio de medidas, tomadas sobre cada objeto o unidad de análisis, en una o más muestras simultáneamente (Martínez Arias, R., 1999). Existen muchos tipos de AM, en este trabajo nos detendremos en tres. 4.4.1.1. Análisis de Clusters El término análisis de clusters fue utilizado por primera vez en 1939 (Tyron, R. C., 1939). También conocido como análisis de conglomerados o taxonomía numérica, consiste en una técnica estadística multivariante, cuya finalidad consiste en dividir un conjunto de objetos en grupos 8 clusters8 , de forma que los perfiles de los objetos en un mismo grupo sean muy similares entre sí 8 cohesión interna del grupo8 , y los perfiles de los Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 84 - objetos de clusters diferentes, sean distintos 8 aislamiento externo del grupo8 . Mediante el análisis de clusters 8 clustering8 , es posible reducir el volumen de la información, por medio de la agrupación de los datos con características similares. El producto del análisis de clusters, es una imagen bidimensional llamada dendrograma, que muestra los clusters o agrupaciones de diferentes objetos a partir de las relaciones subyacentes, contenidas en la matriz de datos. Existen alrededor de 150 técnicas diferentes de clustering, las cuales se agrupan en función del principio de aglomeración utilizado. Cualquier técnica de anális de clusters, utiliza dos elementos esenciales: la función de distancia y las reglas de aglomeración (Faba-Pérez, C., Guerrero Bote, V. P., y Moya Anegón, F. d., 2004). La más comúnmente utilizada en el campo del CIB es el llamado Método Ward. Desde la perspectiva del análisis y la visualización de dominios, el análisis de clusters suele aparecer combinado con análisis factorial y con escalamiento multidimensional, como veremos a continuación. El clustering produce agrupaciones de objetos o variables, mientras que el escalamiento multidimensional genera visualizaciones n-dimensionales donde se disponen y ordenan las variables, poniendo de manifiesto las características estructurales y las relaciones internas entre las mismas. 4.4.1.2. Escalamiento Multidimensional (MDS) El escalamiento multidimensional (Multidimensional Scaling ?MDS), consiste en un conjunto de técnicas también conocidas como mapping perceptivo, que permiten al investigador determinar las imágenes objetivas relativas que los sujetos tienen de un conjunto de objetos y las dimensiones en las que se basan dichos juicios (Martínez Arias, R., 1999). Resulta muy útil cuando se quieren poner de manifiesto las dimensiones latentes no observables por el ojo humano. Así como también, para comparar variables cuando no existen criterios claros de comparación. Aunque esto último Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 85 - supone a su vez un inconveniente, ya que tampoco existen criterios claros y objetivos de cómo interpretar un MDS. El MDS se utiliza para la identificación de las dimensiones que mejor muestran las similaridades y distancias entre variables, y su objetivo es generar un mapa de objetos. Las aplicaciones en las que se ha implementado alguno de los procedimientos de cálculo MDS, utilizan como entrada una matriz de similaridades o distancias y calculan de forma iterativa unas coordenadas en un espacio de dos o tres dimensiones. De esta forma que las distancias o similaridades obtenidas se parecen lo más posible a las que contiene la matriz. Con el fin de asegurar que se ha conseguido el mejor ajuste posible entre unas distancias y otras, se utiliza una medida estadística denominada stress, que mide el grado de ajuste entre similaridades observadas y calculadas(Herrero Solana, V., 1999). En el campo de la visualización de la información, el MDS ha sido ampliamente utilizado para la representación gráfica de análisis de cocitación de autores (White, H. D. y McCain, K. W., 1998), análisis de dominios(White, H. D., Lin, X., y McCain, K. W., 1998), visualización de mapas de la ciencia (Small, H., 1999), visualización de frentes de investigación(Moya Anegón, F. d., Jiménez Contreras, E., y Moneda Carrochano, M. d. l., 1998; Ingwersen, P. y Larsen, B., 2001), indización de documentos(Ingwersen, P., 2001), evaluación de catálogos de bibliotecas (OPACs) (Herrero Solana, V. y Moya Anegón, F. d., 2001), etc. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 86 - Ilustración 18. MDS de los 75 autores principales de Biblioteconomía y Documentación(White, H. D. y McCain, K. W., 1998) Ilustración 19. MDS de los frentes de investigación en Biblioteconomía y Documentación(Persson, O., 1994) Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 87 - La ilustración 19, muestra un MDS de los frentes de investigación construido a partir de los artículos de la revista Journal of The American Society for Information Science (JASIS), procedentes de lla base de datos del Social Science Citation Index (SSCI) y publicados desde el año 1986 al 1990. 4.4.1.3. Análisis Factorial El término análisis factorial (AF) fue utilizado por primera vez en 1931(Thurstone, L. L., 1931). El análisis factorial es una técnica exploratoria multivariante que puede ser utilizada para examinar una amplia gama de conjuntos de datos. Su principal aplicación práctica es la de reducir el número de variables, detectar la estructura por medio de sus relaciones, así como clasificarlas. Por tanto, el análisis factorial es utilizado como una técnica de reducción de datos y para la detección estructural(Börner, K., Chen, C., y Boyack, K. W., 2003). En esencia, podemos decir que el análisis factorial intenta explicar las relaciones existentes entre las variables originales, por medio de la creación de un número menor de variables o factores. El análisis de factores principales (AFP), es una técnica de análisis multivariante que por medio de un modelo lineal intenta explicar un conjunto extenso de variables observables mediante un número reducido de variables hipotéticas, llamadas factores comunes. Se pone en juego pues, el principio o la estrategia de la parsimonia científica o economía de la descripción. Este principio asume que las variables son susceptibles de ser reducidas a factores comunes, lo cual supone que cada variable se relaciona con ellos, es decir, tiene dentro de sí en mayor o menor grado a cada uno de los factores, o lo que es lo mismo, cada factor esta presente en mayor o menor grado en las variables(Herrero Solana, V., 1999). Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 88 - Un elemento fundamental del análisis factorial es el análisis de componentes principales (ACP). Se basa en el hecho de que cada factor debe explicar el máximo de la variabilidad inicial sin diferenciar entre factores comunes y específicos. La premisa básica del ACP es que la mejor forma de representar la relación lineal entre dos variables, es a través de la recta de regresión. Así las dos variables se combinan dando lugar a una tercera que se denomina factor. En otras palabras, el ACP transforma un conjunto de variables correladas en otro conjunto de variables 8 componentes8 incorreladas. Los nuevos componentes que surgen del ACP, representan combinaciones lineales de las variables originales y son derivados en orden decreciente a su importancia, de acuerdo con el grado de variación con respecto a los datos originales. El ACP puede ser utilizado para reducir el número de dimensiones entre pares de variables, con el fin de simplificar la representación gráfica de los elementos incluidos en la matriz. Cada una de las nuevas dimensiones se denomina factor o componente principal, y van desde el primer factor o componente principal, hasta el último. El primer componente principal o factor, es el que acumula una mayor cantidad de varianza, el segundo un poco menos y así sucesivamente hasta llegar al último(Faba-Pérez, C., Guerrero Bote, V. P., y Moya Anegón, F. d., 2004). En el análisis de cocitación, cada factor se compone de un determinado número de unidades con una carga 8 factor loading8 asociada al factor. Por ejemplo, en el análisis de cocitación de categorías (ACC) cada una de las categorías que conforman un factor, están dotadas de una determinada carga. Además, cada factor puede ser caracterizado 8 etiquetado8 , teniendo en cuenta las categorías que superan un determinado umbral, no siendo usualmente etiquetados aquellos factores residuales cuyas categorías tienen una carga que está por debajo del umbral preestablecido. Una de las ventajas que ofrece el análisis factorial frente a otros métodos, es que no fuerza a las variables a pertenecer a un único grupo, Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 89 - sino que permite que se clasifiquen en diferentes factores, reforzando la idea de que lo verdaderamente importante de un trabajo, es su carácter universal. En el análisis factorial, el número total de factores que es posible extraer, es igual al número total de variables con las que se trabaja. No obstante, y debido a la necesidad de reducir el número de dimensiones para poder interpretar la información, se tienen en cuenta solamente aquellos factores que supera un un determinado valor de umbral. Este valor es un número que expresa el porcentaje de varianza acumulada por cada factor 8 eigenvalue8 con respecto al resto. Generalmente, los primeros factores, es decir, aquellos con un mayor eigenvalue, acumulan un porcentaje muy alto de varianza, lo que significa que por sí mismos, pueden representar la totalidad del espacio n-dimensional. El resto de factores residuales suelen acumular poca o muy poca varianza, por lo que no se tienen en cuenta. Aún a riesgo de perder información. Pues la cantidad que representan es ínfima con respecto a los primeros. Aunque el AF ha sido principalmente utilizado como técnica para la reducción y análisis de factores: (White, H. D. y McCain, K. W., 1997; Ding, Y., Chowdhury, G. G., y Foo, S., 1999; Chen, C. y Carr, L., 1999a; Chen, C., 1998a; Chen, C., 1999; Chen, C. y Carr, L., 1999b; Chen, C. y Carr, L., 1999c; Chen, C. y Paul, R. J., 2001; Chen, C., Paul, R. J., y O'keefe, B., 2001), entre otros, desde el punto de vista de la visualización de dominios, también se ha utilizado para la detección e identificación de grupos o factores, contenidos en visualizaciones obtenidas mediante otros métodos de reducción espacial. Este es el caso de las ilustraciones 20 y 21, que muestran como la superposición del AF sobre un gráfico MDS y una red PFNET respectivamente, detecta las agrupaciones intelectuales y favorece el análisis de dominios, al hacer a estas visualizaciones más informativas y comprensibles. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 90 - La ilustración 20, es la representación que se obtiene mediante el MDS del ACA realizado sobre la disciplina Documentación en España, entre los años 1985 al 1994. Los autores se distribuyen en el espacio por afinidad. Es decir en función de sus coincidencias o similitudes. Los frentes de investigación detectados mediante CA y FA coinciden en ambos casos, y se muestran por medio de círculos agrupando a los autores. En función a las agrupaciones y al conocimiento de la actividad de los propios autores, los autores han podido establecer cuatro frentes de investigación: bibliotecas, informetría, universidad 1 y universidad 2. Ilustración 20. Mapa de la Documentación española(Moya Anegón, F. d., Jiménez Contreras, E., y Moneda Carrochano, M. d. l., 1998) En el ejemplo de la ilustración 21, en cambio se destacan los distintos grupos intelectuales detectados mediante AF, identificándolos por un mismo color. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 91 - Ilustración 21. Grupos detectados en una red PFNET(Chen, C. y Carr, L., 1999a) 4.4.1.4. Modelización de Bloques o Blockmodeling Los blockmodels son representaciones gráficas de agrupaciones de actores redundantes 8 similares8 en una red, con el objeto de aclarar los patrones de relaciones entre dichos actores(Borgatti, S. P. y Everett, M. G., 1992). El blockmodeling, que es como se le denomina a la técnica para la generación de los blockmodels, tiene como fin mejorar la captura de la estructura de una red y optimizar su proceso. El blockmodeling se realiza a partir de una matriz imagen, que como su propio nombre indica, es una matriz que representa la imagen simplificada de la matriz original, mediante la agrupación de los actores en posiciones y de sus relaciones en roles. En la matriz imagen, cada posición ocupa una celda de la matriz y su valor será cero o uno en función de que existan o no relaciones entre dichas posiciones. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 92 - Se utiliza para la simplificación de las redes sociales por medio de la sustitución de la información compleja de actores y sus relaciones, por posiciones y relaciones equivalentes. El resultado que se obtiene puede ser representado de forma matricial mediante las denominadas matrices de imagen, o gráficamente por medio de su modelización en bloques o blockmodeling. El proceso de simplificación se consigue mediante la adopción de una medida de equivalencia 8 normalmente estructural8 y la ejecución de técnicas estadísticas: clustering jerárquico o correlación por convergencia (CONCOR), que permitan la identificación de los grupos de actores estructuralmente equivalentes. 1 2 3 4 5 6 7 8 1 0 0 0 10 0 0 0 0 2 0 0 4 0 11 0 0 0 3 0 4 0 12 5 5 0 0 4 10 0 12 0 0 21 0 0 5 0 11 5 0 0 16 19 15 6 0 0 5 21 16 0 25 14 7 0 0 0 0 19 25 0 23 8 0 0 0 0 15 14 23 0 Ilustración 22. Matriz original y su correspondiente red 1 3 2 4 5 6 7 8 1 1 3 1 1 1 1 2 1 1 4 1 1 1 5 1 1 1 1 1 6 1 1 1 1 1 7 1 1 1 8 1 1 1 Ilustración 23. Matriz de bloques reordenada Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 93 - 1 2 3 1 0 1 0 2 1 0 0 3 0 0 1 Ilustración 24. Matriz imagen y su correspondiente red de bloques Aunque utilizada con cierta asiduidad por la Sociología y Psicología como técnica de simplificación de la información, no se conoce su uso en el campo de la Documentación y aún menos en el de la visualización de dominios. La causa posiblemente radica en la parquedad de sus representaciones y en su falta de información. Además, no es una técnica muy buena para la detección de la estructura principal de un dominio, pues no son pocos los autores que han utilizado estas técnicas para la detección de posiciones estructurales ya conocidas y no han conseguido detectar, ni identificar dichas posiciones(Wasserman, S. y Faust, K., 1998). 4.4.2. Técnicas Conexionistas Otro grupo de técnicas que permiten la reducción de la dimensión, son las llamadas técnicas conexionistas. Estas constituyen una aproximación muy diferente a las anteriores, ya que provienen del campo de la informática, específicamente de una línea de investigación denominada soft computing. Esta línea, aborda la resolución de problemas mediante algoritmos no tradicionales. Dentro de ellos encontramos las denominadas redes neuronales artificiales. Referidas habitualmente de forma más sencilla como redes de neuronas o redes neuronales, las redes de neuronas artificiales (RNA) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Consisten en simular las propiedades observadas en los sistemas neuronales biológicos, a Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 94 - través de modelos matemáticos recreados mediante mecanismos artificiales 8 como un circuito integrado o un ordenador8 . El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar un cerebro básico, que se caracterizan por su generalización y su robustez. Una red neuronal puede definirse como un sistema de procesamiento de información, compuesto por un gran número de elementos de procesamiento (neuronas) profusamente conectados entre sí a través de canales de comunicación(Regueiro, C. [et al.] , 1995). Estas conexiones establecen una estructura jerárquica y permiten la interacción con los objetos del mundo real. A diferencia de la computación tradicional basada en algoritmos predecibles, la computación neuronal permite desarrollar sistemas que resuelven problemas complejos cuya formalización matemática es sumamente difícil(Guerrero Bote, V. P., 1997). 4.4.2.1. Redes Neuronales Artificiales. SOM Una variante de las RNA es el conocido comúnmente como "mapa auto- organizativo" (Self-Organizing Map) o SOM. Su particularidad fundamental consiste en que trabaja con salidas bidimensionales(Moya Anegón, F. d., Herrero-Solana, V., y Guerrero Bote, V. P., 1998). Precisamente, una de las contribuciones más importantes de las redes neuronales artificiales al campo de la visualización de dominios, es la de este tipo de mapas auto- organizativos o SOM(Kohonen , T., 1985; Kohonen , T., 1997; Kaski, S. [et al.] , 1998). Teuvo Kohonen, que fue el responsable de su derarrollo, demostró que una información de entrada por sí sola, suponiendo una estructura propia y una descripción funcional del comportamiento de la red, era suficiente para forzar la formación de mapas topológicos. Lo más característico de este tipo de redes es que presenta una capa competitiva que clasifica las entradas de entrenamiento. La principal diferencia con otras capas competitivas se debe a que cada neurona ejerce Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 95 - una influencia competitiva sobre sí misma y sobre las neuronas topológicamente cercanas o vecinas. Los SOM parecen ser uno de los algoritmos más prometedores para la organización de grandes volúmenes de información por su escalabilidad, aunque presentan el inconveniente de la falta de una base teórica para la elección de los parámetros de aprendizaje(Moya Anegón, F. d. y Herrero Solana, V., 1999). Ilustración 25. Ejemplo de SOM procedente de NeuroISOC(Moya Anegón, F. d. [et al.] , 1999) El primero en utilizar los SOM aplicados a la visualización de la información fue Xia Lin, aplicándolos a mapas topológicos de documentos(Lin, X., Soergel, D., y Marchionini, G., 1991; Lin, X., 1997). Posteriormente se ha recurrido a ellos para la categorización automática de grandes cantidades documentos(Chen, H., Schuffels, C., y Orwig, R. E., 1996; Orwig, R. E., Chen, H., y Nunamaker, J. F. Jr., 1997; Chen, H. [et al.] , 1997), para la visualización, búsqueda y recuperación de información(Chen, H. [et al.] , 1998b; Chen, H. [et al.] , 1998a; Moya Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 96 - Anegón, F. d., Herrero Solana, V., y Guerrero Bote, V. P., 1998; Moya Anegón, F. d. [et al.] , 1999; Guerrero Bote, V. P., Moya Anegón, F. d., y Herrero Solana, V., 2002b), para la extracción automática y análisis de relaciones terminológicas(Guerrero Bote, V. P., Moya Anegón, F. d., y Herrero Solana, V., 2002a). Pese a ser más difícil de interpretar, el SOM es mucho más apropiado que el MDS o el clustering para un uso en entornos interactactivos(Lin, X., Soergel, D., y Marchionini, G., 1991), puede ser utilizado como herramienta de browsing(Chen, H. [et al.] , 1998a) y hace más visibles las relaciones o vecindades entre grupos que cualquiera de los otros dos(Moya Anegón, F. d. y Herrero Solana, V., 1999). 4.4.3. Técnicas Basadas en Redes Sociales Las redes sociales intentan representar el comportamiento de las unidades de análisis y del sistema en su conjunto, por medio de las relaciones o interacciones entre sus elementos o nodos. No obstante y en la mayoría de los casos, las relaciones entre las unidades de análisis 8 nodos8 forman tal amasijo o maraña de enlaces, que es imposible ver las relaciones principales. Resolver este problema no es fácil. Con tal fin, se han desarrollado distintas técnicas y algoritmos (llamados de poda) destinados a aclarar la red mediante la eliminación de los enlaces menos significativos o importantes. El resultado, es una red simplificada que, en función del método utilizado, representa con más o menos acierto y con mayor o menor grado de inteligibilidad, la estructura y esencia de la red original. 4.4.3.1. Redes Pathfinder (PFNETs) El algoritmo Pathfinder es un algoritmo de poda que se desarrolló en el seno de la ciencia cognitiva con el fin de poder determinar cuáles eran los enlaces más relevantes de una red(Schvaneveldt, R. W., 1990). Su objetivo es la extracción de la estructura principal de una red por medio del análisis de la proximidad entre sus variables. El resultado es una estructura muy Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 97 - típica que se conoce con el nombre de redes Pathfinder o PFNETs (Pathfindernetworks). En una red social asociado a sus enlaces, suele existir un número que indica la distancia entre los nodos o la magnitud de la relación. Este valor, puede ser utilizado para realizar una poda de los enlaces menos significativos. Sin embargo, dicha poda está lejos de tener una solución trivial, puesto que los enlaces que para una determinada estructura no son importantes, si pueden serlo para otra. Las redes Pathfinder se basan principalmente en dos elementos: la distancia de Minkowski, y en una extensión de la desigualdad triangular. La distancia de Minkowski se utiliza para calcular la distancia entre dos puntos a través de varios enlaces, y se define mediante una ecuación paramétrica que subsume a la distancia euclidiana para r = 2. Esta distancia admite que se haga tender r hasta infinito, en cuyo caso sería equivalente a hallar el máximo de las distancias intermedias. r i r i dD /1 ¸ ¹ · ¨ © § ¦ Ecuación 2. Ecuación paramétrica de Minkowski Donde: - r= parámetro asociado a la distancia El segundo elemento que entra en juego en las redes PFNETs, es el principio de la desigualdad triangular. Este principio se basa en que uno de los lados de un triángulo nunca puede ser mayor que la suma de los otros dos. En las redes PFNET, este principio se aplica eliminando todos aquellos enlaces que tengan asociada una distancia menor que otro camino, que una los mismos puntos pasando por otros nodos intermedios. Es decir, prevalecen los enlaces con mayor distancia o coste, o lo que es lo mismo, Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 98 - los de mayor importancia o peso de la red. La distancia, a través de estos nodos intermedios, se calcula mediante la ecuación de Minkowski. Ilustración 26. Principio de desigualdad del triángulo. Los enlaces x e y son más importantes que el enlace z El algoritmo de Pathfinder está definido por dos parámetros: r, asociado a la distancia de Minkowski empleada; y q, relacionado con la longitud, en número de enlaces, de los caminos que se comparan(Raya Vergara, R. y Hidalgo Ruiz, E. M., 2004). Por tanto, todos los enlaces que violen la desigualdad triangular, teniendo asociada una distancia menor que otro camino entre los mismos puntos compuesto de hasta q enlaces, y calculada esta distancia global del segundo camino mediante la ecuación paramétrica de Minkowski con el parámetro r, serán eliminados. El máximo valor posible de q es n-1, donde n el número de nodos. Las redes procedentes de análisis de citas, cocitas, o coocurrencias de términos, tanto de autores, como de revistas, o categorías ISI, suelen ser redes muy conectadas y con una similaridad asociada a cada enlace en lugar de una distancia. Por este motivo el algoritmo de Pathfinder se suele emplear con r = ’ , dando lugar a que la similaridad asociada a un grupo de enlaces sea la mínima de las asociadas a los enlaces individuales. De esta forma se eliminan los enlaces cuya similaridad es menor que la asociada a Documento A z x Documento B y Documento C Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 99 - un camino que conecta los mismos nodos a través de otros nodos intermedios, que es a su vez la menor de todos los enlaces que forman el camino. El resultado que se obtiene mediante la aplicación del algoritmo PFNETs, es el de una red con todos los nodos originales, pero sólo con sus enlaces más destacados. Como se puede observar al comparar las ilustraciones 27 y 28, PFNETs efectúa una poda selectiva de enlaces, que elimina mucha complejidad y ruido visual. Ilustración 27. Red de categorías pertenecientes a las Ciencias Sociales, del dominio español 1998- 2002 Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 100 - Ilustración 28. Red de categorías PFNETs con valores q=n-1 y r = ’, pertenecientes a las Ciencias Sociales, del dominio español 1998- 2002 Aunque las redes PFNET se vienen utilizando en el campo de la Documentación desde 1990(Fowler, R. H. y Dearhold, D. W., 1990), el primero en plantearse su uso en la citación fue Chen, que en un principio y a partir de información hipertextual, planteó una nueva forma de organizar, visualizar, y acceder a dicha información por medio de lo que llamó Generalised Similarity Análisis (GSA)(Chen, C., 1998a; Chen, C., 1998b). Hasta el día de hoy y en el campo que nos ocupa, las redes PFNETs se han utilizado para el estudio y representación de pequeños dominios o comunidades científicas, como por ejemplo: (Chen, C., 1998b; Chen, C., 1998a; Chen, C., 1999; Chen, C. y Carr, L., 1999b; Chen, C. y Paul, R. J., 2001; Chen, C., Paul, R. J., y O'keefe, B., 2001; Chen, C. y Kuljis, J., 2003; Kyvik, S., 2003; White, H. D. y McCain, K. W., 1999; White, H. D., Buzydlowski, J., y Lin, X., 2000; White, H. D., 2000; White, H. D., 2001; Buzydlowski, J., White, H. D., y Lin, X., 2002; White, H. D., 2003; Lin, X., White, H. D., y Buzydlowski, J., 2003). En estos estudios se ha conseguido, bien por utilizar poblaciones pequeñas, bien por recurrir a medidas de normalización en la cocitación, o bien por ambas cosas, representaciones Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 101 - claras o inteligibles en cuanto al número de enlaces, al tiempo que amigables desde el punto de vista de su facilidad de comprensión y de manejo, por parte de usuarios inexpertos. Para realizar visualizaciones de dominios, White, Buzydloski y Lin, muestran sus preferencias por PFNETs. Dicen que tanto SOM como PFNETs pueden incluir más elementos en sus representaciones que MDS o el clustering. Pero que además, el SOM, el MDS y el dendrograma, sólo muestran los elementos similares como vecindades en el espacio, mientras que PFNETs los empareja mediante enlaces, indicando además su grado de relación. Asimismo, argumentan que las agrupaciones obtenidas mediante PFNET, son más fáciles de interpretar por los expertos, que mediante cualquier otro tipo de mapa o representación(White, H. D., Buzydlowski, J., y Lin, X., 2000). Para Chen y Paul, PFNETs es mejor alternativa que MDS para la representación y reducción del espacio, pues MDS no representa las relaciones entre los nodos, haciendo difícil la interpretación de la naturaleza de cada una de las dimensiones representadas. Mientras que PFNETs, incorpora explícitamente las conexiones más significativas, por lo que la interpretación de los gráficos recae sobre los enlaces que conectan los distintos elementos que componen el gráfico, y no en las posiciones relativas de cada una de las dimensiones(Chen, C. y Paul, R. J., 2001). Buzydlowski compara las principales técnicas que existen hoy día para la reducción del espacio y visualización de la información. Pero considera que MDS está a medio camino entre el SOM y PFNETs, y que es muy similar a PFNETs en cuanto a la metodología para mostrar la información, por lo que deshecha MDS y realiza un estudio pormenorizado de las ventajas e inconvenientes del SOM y PFNETs. Para ello somete a la evaluación exhaustiva de un grupo de expertos, las visualizaciones online obtenidas mediante los SOM, contra las conseguidas de la misma forma medinte PFNETs, en el proceso de análisis y recuperación de la Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 102 - información(Buzydlowski, J., 2002). La conclusión a la que llega es que tanto el SOM como PFNETs son técnicas complementarias. Ambos ofrecen resultados similares en cuanto a la forma de presentar la información. Pero PFNETs tiene la ventaja de mostrar, no sólo las posiciones de los nodos, sino también sus conexiones más significativas. Además de ser mejor para la generación de mapas en tiempo real. Lin, White y Buzydlowski, a raiz de sus anteriores trabajos, descartan totalmente MDS y SOM como elementos de visualización y se decantan claramente por PFNETs al utilizarlo como interfaz gráfico en combinación con ACA para la búsqueda y recuperación de información(Lin, X., White, H. D., y Buzydlowski, J., 2003). White, añade un elemento más a tener en cuenta en la visualización de dominios, como es el uso de valores puros en las matrices. Y considera que de las representaciones o mapas bidimensionales obtenidos con valores de cocitación puros, el que mejor resultado obtiene es PFNETs, pues no sólo mantiene las ventajas de otros técnicas, sino que además las mejora(White, H. D., 2003). 4.5. Distribución Espacial de la Información Como hemos visto anteriormente, los atributos o relaciones entre variables, pueden ser interpretados mediante matrices de distancia o similaridad, a través de las técnicas de análisis multivariante. Del mismo modo, dichas matrices pueden ser representadas por medio de procedimientos de distribución espacial, de tal forma que las distancias/similaridades entre variables se utilicen para la generación de mapas en 2 o 3D, donde las variables similares aparezcan juntas, y las diferentes lo hagan separadas. En la mayoría de los casos, el resultado de estas técnicas de ordenación dan lugar a redes sociales o grafos. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 103 - Básicamente, el problema al que se enfrentan los investigadores y analistas desde hace casi veinticinco años, es a la generación automática de grafos, sin que conste ningún criterio general adoptado de cómo hacerlo. No obstante, sí que existen dos requerimientos comúnmente admitidos. Uno es el de reducir al máximo el número de cruces en los enlaces, tal y como ya había propuesto Moreno cincuenta años antes(Moreno, J. L., 1953), el otro es el de distribuir los actores y los enlaces de manera uniforme en la red. Sin embargo, una aplicación severa del primer requerimiento puede ir en detrimento del segundo. Es decir, una reducción excesiva del número de cruces en los enlaces puede influir en el equilibrio de la estructura de la red y por tanto en su uniformidad, lo que termina siendo contraproducente para la comprensión humana de la estructura de la red. Existen muchos métodos para la generación automática de grafos. En algunos de ellos las posiciones de los vértices están limitadas. Por ejemplo, estando situadas en unas determinadas coordenadas(Batini, C., Nardelli, E., y Tamassia, R., 1986; Tamassia, R., Batista, G., y Batini, C., 1988), formando círculos concéntricos(Carpano, M., 1980), o líneas paralelas(Sugiyama, K., Tagawa, S., y Toda, M., 1981). En otros casos, el grafo se interpreta como un sistema físico con fuerzas 8 energía8 entre los vértices, donde estos se mueven libremente por el espacio disponible para reducir la energía del sistema y obtener una buena representación. De las muchas propuestas que existen para dibujar los grafos, a continuación describiremos brevemente dos del tipo spring embedders 8 insertadores de muelles8 , que son los más utilizados en el área de la Documentación, y en concreto en la visualización de dominios. Los spring embedders, son algoritmos dedicados a la representación y visualización de la información. Reciben este nombre por las técnicas y procedimientos que utilizan para distribuir la información en el espacio asignado. Se trata de programas cuyo objetivo principal es el de realizar grafos atractivos siguiendo una serie de principios estéticos como por Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 104 - ejemplo, utilizar el máximo espacio disponible, forzar la posición de los nodos y reducir el número de enlaces cruzados, entre otros. Así se obtienen obteniendo resultados muy exitosos con grafos de pequeño tamaño, de unos cincuenta nodos como máximo. Los spring embedders comienzan asignando coordenadas a los nodos de modo que el grafo final sea estéticamente agradable al ojo humano. A este proceso se le conoce como embedding(Eades, P., 1984) y ha sido muy bien estudiado por DiBattista(Di Battista, G., 1998). Las dos principales extensiones al algoritmo propuesto por Eades han sido desarrolladas por Kamada, T. y Kawai, S. (1989) y Fruchterman, T. y Reingold, E. (1991). 4.5.1. Algoritmo de Kamada-Kawai Kamada, T. y Kawai, S. (1989) proponen un algoritmo en el que la posición de los vértices no está restringida, y los enlaces son dibujados como líneas rectas. Así, el propósito del algoritmo es determinar únicamente la posición de los nodos o vértices. La idea básica del algoritmo es la siguiente. Se considera que la distancia deseable ?geométrica o euclidiana8 entre dos nodos es la misma que la representada en el gráfico, y para ello se basa en el algoritmo de Floyd-Warshall(Gosper, J. J., 1998). Se introduce un sistema dinámico virtual formado por anillos 8 los nodos8 y muelles 8 los enlaces8 , de modo que se hace evolucionar el sistema con el fin de disminuir la energía acumulada por los muelles. Algorítmicamente, para evitar problemas de computación, se calcula la evolución de cada nodo por separado, en lugar de todo el conjunto. Es decir, se fiján todos los nodos salvo aquel que más energía acumula, lo dejámos evolucionar hasta que la energía acumulada sea menor que un determinado límite y lo volvemos a fijar. A continuación, se vuelve a escoger el nodo que acumula más energía, se le hace Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 105 - evolucionar, y se vuelve a fijar. Y así sucesivamente hasta que ninguno de los nodos que componen la red, acumule una energía superior al límite. En pocas palabras, este algoritmo asigna coordenadas a los nodos tratando de ajustar al máximo las distancias existentes entre ellos, a distancias teóricas. Su uso está muy generalizado en la representación de redes sociales, mediante la asignación de una distancia unitaria a cada enlace, pues ofrece unos resultados estéticos muy buenos, paralelamente a unos tiempos de computación asequibles, para su aplicación en tiempo real. La ilustración siguiente muestra el ejemplo típico del grafo que se obtiene al utilizar el algoritmo de (Kamada, T. y Kawai, S., 1989). Si el algoritmo está bien programado y cumple todos los principios establecidos por sus autores, al aplicar el algoritmo al grafo de la izquierda, se debe obtener la representación de la derecha. Ilustración 29. Partiendo del grafo de la izquierda, el algoritmo de Kamada-Kawai, obtiene el grafo de la derecha Este algoritmo ha sido profusamente utilizado en el campo de la visualización de dominios por autores como Chen, White, Lin y Buzydlowski. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 106 - 4.5.2. Algoritmo de Fruchterman y Reingold Propuesto para grafos no dirigidos cuyos enlaces se dibujan como líneas rectas, este algoritmo produce dibujos de grafos en dos dimensiones mediante simulaciones simplificadas de sistemas físicos. Se trata de un algoritmo para la colocación de los nodos basado en la fuerza-dirigida. Este método compara un grafo a una colección mecánica de anillos cargados eléctricamente 8 nodos8 y conectados mediante muelles 8 enlaces8 . Básicamente, su funcionamiento es el siguiente: cada dos nodos se rechazan entre sí mediante una fuerza repulsiva, y los nodos adyacentes, que son aquellos que están conectados por un enlace, son atraídos entre sí mediante una fuerza atractiva. Durante una serie de iteraciones, se van recalculando las fuerzas que modelan cada uno de los enlaces y los nodos se van moviendo para reducir dichas fuerzas. La ilustración siguiente muestra en la parte derecha, la representación final que se obtiene al aplicar el algoritmo de Fruchterman, T. y Reingold, E. (1991) al grafo de la izquierda, que es el mismo que se le proporcionó al algoritmo de Kamada, T. y Kawai, S. (1989). Ilustración 30. Partiendo del grafo de la izquierda, el algoritmo de Fruchterman y Reingold, obtiene el grafo de la derecha Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 107 - El resultado final que se obtiene tanto con el algoritmo de Kamada- Kawai y Fruchterman y Reingold, no es muy diferente. Los dos producen estructuras muy similares, aunque el primero muestra superposición en dos enlaces, mientras que el segundo lo hace en tres. Además, por la perspectiva en que se muestra el objeto y por el lugar en que se cruzan los enlaces, la representanción obtenida mediante el algoritmo de Kamada- Kawai, es mucho más clara y fácil de entender por el ojo humano, que la que se consigue a través del otro algoritmo. Posiblemente, este hecho puede ser el responsable de que Kamada-Kawai sea el algoritmo más utilizado para la visualización de dominios. 4.5.3. Evaluación de los Algoritmos Los criterios para evaluar este tipo de algoritmos son principalmente estéticos. La simetría, la distribución uniforme de nodos, la longitud uniforme de los enlaces, la reducción del número de cruces de los mismos, etc., juegan un papel fundamental en la decantación por un algoritmo u otro. Aunque por ejemplo, estudios como el de Brandenburg, F. J., Himsolt, M., y Rohrer, C. (1995) no detectan la preponderancia de un algoritmo sobre otro, la mayor parte de la comunidad científica se decanta por el algoritmo de Kamada-Kawai. Los motivos que llevan a esta elección son tales como su comportamiento ante los mínimos locales, el intento de minimizar las diferencias con las distancias teóricas en todo el gráfico, los buenos tiempos de computación, o que subsume al escalamiento multidimensional, cuando este último utiliza la técnica de Kruskal, J. B. y Wish, M. (1978). Como indican Cohen, J. (1997), y Krempel, L. (1999), el algoritmo de Kamada, T. y Kawai, S. (1989) utiliza un criterio ?energía8 similar al del escalamiento multidimensional ?stress8 como medida de la adaptación a las distancias teóricas. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 108 - 4.6. Visualización de la Información Una vez que se han conseguido los datos esenciales de las variables, así como sus representaciones espaciales, es necesario generar visualizaciones que puedan ser fácilmente comprendidas de una forma intuitiva, eficaz y adecuada a la realidad. Como ya hemos señalado en el apartado 2.3, la visualización de la información mejora la capacidad de interacción con grandes volúmenes de información y ayuda a los investigadores a detectar las estructuras subyacentes en sus campos de investigación. La visualización hace referencia al diseño de la apariencia visual de las variables y a sus relaciones. Para considerar que la visualización de un dominio está bien diseñada tiene que ofrecer(Börner, K., Chen, C., y Boyack, K. W., 2003): x Habilidad para representar grandes cantidades de información, tanto a gran como a pequeña escala. x Reducción del tiempo de búsqueda visual de la información. x Una buena comprensión de las estructuras complejas de datos. x Poner de manifiesto relaciones que de otra forma no serían apreciadas. x El conjunto de datos se podrá observar desde distintas perspectivas. x Favorecerá la formulación de hipótesis. x Será objeto de análisis, debate y discusión. La consecución de estos requerimientos se consigue mediante el uso de técnicas como el filtrado, vistas panorámicas, ampliación y reducción de Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 109 - las visualizaciones, distorsión de las mismas para un mejor análisis de la información, búsqueda textual, etc. y deben ser implementados uno a uno como herramientas independientes para el análisis y visualización de dominios. No obstante, se puede recurrir a formatos gráficos comerciales o de libre distibución, que lleven incorporados algunas de las técnicas necesarias para la consecución de los requerimientos mencionados. No existe una adopción o decantación clara de un formato, por parte de los investigadores dedicados a la visualización de dominios. Al contrario, se utilizan una amplia variedad de formatos como por ejemplo: GIF, JPG, Postcript (PS), Encapsulated Postcript (EPS), Virtual Reality Modeling Language (VRML), o Scalable Vector Graphics (SVG), entre otros. En la mayoría de los casos la elección se encuentra condicionada por el formato de salida que ofrecen los programas utilizados por los propios investigadores. Sin embargo, puesto que lo importante es obtener imágenes de calidad con un bajo peso de bits, para que puedan ser fácilmente transportadas por la red, a lo largo de los últimos años, se ha despertado un creciente interés por los gráficos vectoriales y su animación. 4.6.1. Scalable Vector Graphics (SVG) Con seguridad, el formato gráfico vectorial más utilizado y conocido es Flash(Macromedia, 2004), de la compañía Macromedia. Flash plantea el inconveniente de ser un formato compilado y extrínseco con respeto al HiperText Markup Language (HTML)(W3C, 2003b) o Extensible Markup Language (XML)(W3C, 2003a), además de ser un sistema propietario, es decir, que está sujeto a las necesidades e intereses de una compañía. Por ello, en 1999, el World Wide Web Consortium (W3C)(W3C, 2003d), auspició el desarrollo de Scalable Vector Graphics (SVG)(W3C, 2003c). La especificación SVG 1.1(W3C, 2004) que el W3C publicó en enero de 2003 y que sustituye a la especificación SVG 1.0(W3C, 2001) de septiembre de 2001, ofrece las mismas funcionalidades gráficas y de Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 110 - animación que otros sistemas propietarios, además de características adicionales. Como aplicación XML que es, SVG 1.1 tiene una perfecta integración en el mundo Web, al mismo tiempo que un importante apoyo por parte de la industria del sector, pues Adobe, Apple, Canon, Corel, Hewlett Packard, Macromedia, Microsoft, Kodak, Sun, entre otros, han contribuido al desarrollo de dicha especificación(Jackson, D., 2002). Hoy día, las aplicaciones de SVG alcanzan campos tan variados como: la telefonía móvil, la impresión, aplicaciones web, diseño gráfico aerospacial, Sistemas Geográficos de Información (GIS), etc. En su versión 1.2, aún en estado de borrador, SVG incluye: desarrollo de tecnología para teléfonos móviles del tipo SVG Basic y SVG Tiny, centrados específicamente en el diseño de dispositivos de bajo consumo, como parte de la plataforma 3GPP (The 3rd Generation Partnership Project), para la construcción de la tercera generación de teléfonos móviles; elaboración de directrices y pautas para la consecución de formatos de impresión finales en XML (SVG Print), apropiados para el almacenamiento e impresión de información; y un lenguaje para la definición y presentación interactiva de etiquetas específicas para SVG: sXBL (SVG's XML Binding Language). 4.6.2. Ventajas de SVG como Formato de Representación Entre las muchas ventajas con la que cuenta SVG, las principales con respecto a sus competidores son: x Utiliza XML como lenguaje de descripción. Los fabricantes de software están comenzando a utilizar este lenguaje como formato nativo en sus aplicaciones. Por tanto, SVG será compatible con cualquier aplicación que reconozca XML. x El tamaño del fichero es muy compacto. Su dimensión es menor que el de sus equivalentes codificados en mapas de bits. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 111 - x Permite la representación de tres tipos de objetos en un mismo gráfico: gráficos vectoriales 8 por ejemplo paths compuestos por líneas rectas y curvas8 , imágenes y texto. x Tiene todas las ventajas asociadas a un formato vectorial: es escalable, compacto, con formas siempre editables a través de curvas Bézier, con contornos suavizados y transparencias. x Los objetos gráficos se pueden diseñar, agrupar, transformar y combinar con otros objetos incluidos en el formato, e incluso incrusta mapas de bits. x El texto que incluyen es editable: admite las fuentes escalables más comunes, como TrueType o Type 1. Esto supone una diferencia enorme con los actuales GIF o JPG: el texto que contienen se puede editar, seleccionar, buscar, indicar (motores de búsqueda)... x La calidad de los gráficos es independiente de la resolución y su tamaño se puede aumentar o reducir a través del zoom, sin que por ello disminuya la calidad de los mismos. x La calidad de color es excelente; el color del gráfico se puede calibrar con los sistemas estándar de gestión de color. x Aunque está especialmente indicado para el diseño de gráficos bidimensionales, también puede ser utilizado para simular gráficos tridimensionales. x Los gráficos se pueden generar de forma dinámica en un servidor web como respuesta a instrucciones Java, JavaScript, Perl, ASP, PHP, etc. Capítulo 4: Aspectos Metodológicos Previos a la Scientografía - 112 - Una vez expuesta la base teórica sobre la que se basa nuestra propuesta metodológica, a continuación pasamos a desarrollarla de una forma práctica. - 113 - PARTE EMPÍRICA Capítulo 5: Material Utilizado - 114 - 5. Material Utilizado La base informativa para la elaboración del prototipo utilizado en esta tesis, se cimenta en la información recopilada y almacenada en el Web of Knowledge(The Thomson Corporation, 2005b) a través de sus distintas bases de datos. Las razones para utilizar estas fuentes de datos se detallan a continuación. Los productos ISI 1 , cuentan con una estructura diferente a la mayoría de las bases de datos comerciales, ya que incluyen las referencias o citas bibliográficas en las que los autores apoyan o justifican sus afirmaciones. En lo referente a su grado de representatividad temática, debemos decir que la fuente es totalmente apropiada y resulta excelente para los objetivos marcados en nuestro trabajo. Lo ideal sería conseguir la cobertura total de una disciplina. No obstante, estas bases de datos, como fuentes multidisciplinares, son el referente más homogéneo disponible hoy día, para realizar representaciones equilibradas. Una de las limitaciones de estas bases de datos es la multicategorización de sus documentos. El JCR asigna una o varias categorías temáticas a cada una de las revistas vaciadas en sus bases de datos, en función de la temática que cada revista declara abarcar. Esto implica que cualquier trabajo que se publique en una revista con asignación multitemática, adquirirá automáticamente dicha peculiaridad, lo cual provoca un efecto multiplicador en la cocitación de categorías, ya que estas son cocitadas tantas veces como el número de categorías a las que está adscrito el documento cocitado. La consecuencia final es que todas las categorías, en mayor o menor medida, aparecen cocitadas entre sí, perdiendo así una de las características propias de las distribuciones bibliométricas: presentar una distribución del grado de los nodos desigual 1 Actualmente registrados como Thomson Scientific Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 115 - por la derecha 8 power-law(Chen, C. y Hicks, D., 2004)8 , así como la posibilidad de que las representaciones gráficas de dichas matrices de cocitación mediante redes sociales, puedan ser consideradas como redes del tipo small-world(Watts, D. J. y Strogatz, S. J., 1998). Otra de sus limitaciones es su cobertura documental. Estas bases de datos, indizan una gran cantidad de revistas, tanto nacionales como internacionales, pero no presentan el mismo porcentaje para cada uno de los distintos países, al tiempo que tampoco cubren monografías ni informes. Estas limitaciones afectan más a las humanidades y a las ciencias sociales que a las ciencias duras y por otro lado, a las ciencias aplicadas más que a las ciencias básicas. En países periféricos, la utilización de estas bases de datos, no convence a toda la comunidad científica, ya que una parte considera que se penaliza a aquellos investigadores que publican en revistas escritas en otros idiomas que no sean el español, así como a aquellos con líneas de investigación de interés local o regional que difícilmente encuentran huecos en las revistas de mayor impacto(García-Guinea J. y Ruis J.D., 1998). Incluso, hay científicos que cuestionan la selección de revistas especializadas realizada por el ISI, pues consideran que no son más que el reflejo de la investigación básica y no de la aplicada(Sanz E., Aragón I., y Méndez, A., 1995). Por tanto, debemos decir que las limitaciones de estas bases de datos, se centran fundamentalmente en las Ciencias Sociales y en las Humanidades, pues dado su carácter más localista, su producción está menos controlada en las bases de datos internacionales(Kyvik, S., 2003). Aunque el ISI argumenta que el objetivo de sus bases de datos es el de ofrecer un panorama representativo de la ciencia a nivel internacional, el carácter más local se encuentra poco representado y la internacionalidad de los campos es más afín a las ciencias experimentales que a las Ciencias sociales y a las Humanidades, donde la investigación desarrollada tiene ese carácter local. Además, se suma el hecho de la mayor influencia de los factores lingüísticos y culturales, lo que hace que las publicaciones nacionales tengan mayor relevancia en estos campos que en las áreas científicas y tecnológicas(Bordons, M. y Gómez Caridad, I., 1997). Capítulo 5: Material Utilizado - 116 - La historia de las bases de datos ISI ha estado plagada de críticas relacionadas con el sesgo en la cobertura de las revistas en términos de disciplinaridad y nacionalidad. No obstante, estudios recientes(Braun, T., Glanzel, W., y Schubert, A., 2000) que comparan la cobertura del SCI con la del Ulrich?s International Periodicals Directory (U-S&T), demuestran que esto no es así. El conjunto de revistas SCI presenta un balance equilibrado con respecto al del U-S&T a nivel macro, por lo que afecta al menos a países y disciplinas. En contra de la creencia general, este estudio demuestra que no existe un sesgo en estas bases de datos a favor de Estados Unidos o de la biomedicina, en algunos casos, incluso existe una infra-representación. Las excepciones en cuanto a cobertura por disciplinas se centran en Alemania y en concreto en la agricultura y en lo referente a editores, destaca Elsevier. En general hay una sobre-representación de los principales editores en el SCI, pero en cualquier caso, este fenómeno no afecta a los objetivos de este trabajo(Moya Anegón, F. d. [et al.] , 2004). Para el caso concreto de la ciencia española, la selección de esta fuente es coherente con la normativa actual vigente 2 donde se establecen los criterios de la evaluación de la investigación española en todos los campos científicos excepto en Derecho y Jurisprudencia, Historia, Arte, Filosofía, Filología y Lingüística. Esto ha provocado que los científicos españoles dirigieran sus publicaciones a revistas científicas recogidas en las bases de datos ISI, ya que son las indicadas por la Comisión Nacional Evaluadora (CNEAI) como referente en los procesos evaluativos para la concesión de incentivos de investigación(Jiménez Contreras, E., Moya Anegón, F. d., y Delgado López-Cózar, E., 2003). 2 Resolución de 28 de agosto de 1989, modificada y completada por el Real Decreto 1325/2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 117 - Lo cierto es que, pese a sus lagunas, las bases de datos ISI son hoy por hoy la mejor herramienta para la obtención de datos que puede ser esgrimida con ciertas garantías. Este es el motivo fundamental de que sean el referente utilizado por todos los gobiernos e instituciones occidentales y de que se utilicen ampliamente en todo el mundo, para la evaluación de la actividad investigadora. Por todo lo dicho, consideramos que la fuente de información es la adecuada, que los datos que suministra, reflejan consistentemente la investigación mundial con visibilidad internacional y que por tanto, pueden ser aplicados para obtener la representación gráfica y análisis estructural de la misma. 5.1. Extracción de Datos Con fines estrictamente investigadores, el dos de agosto de 2004, terminamos de descargar del Web of Science(The Thomson Corporation, 2005c), en concreto del Science Citation Index-Expanded (SCI-EXPANDED), Social Science Citation Index (SSCI) y Arts & Humanities Citation Index (A&HCI), todos los registros de la producción científica mundial publicados en el año 2002. Es decir, todos aquellos que en el campo Year de las bases de datos, contenían la cadena de caracteres correspondientes a 2002. El Journal Citation Report (JCR)(The Thomson Corporation, 2005a), asigna a cada una de las revistas una o varias categorías temáticas. Con el fin de poder adjudicar una materia 8 categoría ISI8, a cada documento, hemos extraído del JCR, tanto en su edición Sciences como Social Sciences para 2002, dicha información. Con posterioridad a la extracción, realizamos una serie de tareas relacionadas con el control de calidad de los datos. Las cuales se detallan a continuación. Capítulo 5: Material Utilizado - 118 - 5.2. Análisis y Tramiento de los Datos Las bases de datos ISI, como consecuencia de su amplio período de cobertura: 1945 hasta el presente para SCI, 1956 hasta el presente para SSCI y 1975 hasta el presente para (A&HCI); así como a su evolución temporal y a los distintos soportes en los que han ido apareciendo, plantean una serie de inconvenientes que en algunos casos es posible asumir y en otros, es necesario solventar. 5.2.1. Normalización de Títulos de Revistas El primer problema a solventar fue la inconsistencia de algunos títulos abreviados de revistas en el listado del JCR, y la forma en la que se presentan en las referencias de los artículos citados. Esto deriva en una pérdida de información a la hora de trabajar en el análisis de citas y cocitas, que asumimos de antemano. En nuestro caso, de las 7.590 revistas incluidas en el JCR 2002, 98 títulos abreviados con al menos una cita, no encuentran correspondencia. Es decir, solamente un 1,29% del total de títulos abreviados, con al menos una cita, no coinciden con los títulos recogidos en el JCR 2002. Para el caso del dominio español 1990-2002, la proporción es similar, e incluso menor. Consideramos, que un porcentaje tan bajo, es perfectamente asumible. 5.2.2. Multidisciplinaridad del Contenido de las Revistas Otro punto a tener en cuenta en las bases de datos ISI, es la adjudicación de la categoría Multidisciplinaries Sciences, a un determinado grupo de revistas de naturaleza multidisciplinar como Science, Nature, Endeavour o Interciencia, entre otras. Esto, que en un primer momento parece lo más lógico y acertado, puesto que dan cabida a documentos de todo tipo de disciplinas, no lo es tanto si analizamos de forma detallada las consecuencias que esa decisión puede tener. Pues trabajos que tratan de una determinada disciplina o categoría, como podría ser por ejemplo la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 119 - genética, aparecen desgajados del resto de sus similares al haber sido publicados en una revista multidisciplinar y haber sido etiquetados por tanto como tales. Este problema no es fácil de resolver. La Comisión Europea, en su Tercer Informe Europeo sobre Indicadores Científicos y Tecnológicos(European Comission, 2003), elimina directamente la categoría Multidisciplinaries Sciences y por tanto, los indicadores derivados de los documentos albergados bajo esta materia. En este trabajo, para evitar pérdidas de información de este tipo, sustituimos la categoría de los documentos que tienen asignada Multidisciplinaries Sciences, por la categoría más citada por las referencias de cada uno de esos documentos. Sólo en aquellos casos en los que la categoría Multidisciplinaries Sciences coincide con la más citada por los documentos referenciados, hemos recuperado cada uno de esos documentos fuente, y a partir de su título y abstract, le hemos asignado de forma manual una categoría JCR, en función de su contenido. 5.2.3. Control de las Citas Con respecto al control de las citas hay que indicar que en las bases de datos ISI, sólo se registra al primer autor de la referencia. Para salvar esta deficiencia, se añadió información relacionada con los demás coautores. Es decir, se recoge el orden de los autores en la referencia. De esta manera, podemos realizar un recuento completo en el análisis de citas. 5.2.4. Control de Autores El ISI no efectúa ningún tipo de control de autoridades sobre sus bases de datos. Esto provoca la aparición de distintas entradas para un mismo autor. La solución de este problema, además de ser difícil, requiere de un gran esfuerzo y tiempo. No obstante, este inconveniente no afecta a esta tesis, Capítulo 5: Material Utilizado - 120 - pues trabajamos en niveles de agregación superiores en los que los nombres de los autores no son utilizados en ningún tipo de proceso. Un problema similar al de los nombres de los autores, es el de la adscripción del país de trabajo de los mismos. La información que estos ponen sobre su ciudadanía, es directamente trasladada sin ningún tipo de comprobación ni cotejo, al campo country de la base de datos. Así por ejemplo, no aparecen países como Reino Unido (United Kingdom) y sí lo hacen otros como por ejemplo Gibraltar. Esta última dificultad se plantea principalmente en el momento de seleccionar los documentos de un dominio geográfico concreto. Para evitarla, no queda más remedio que comprobar si la unidad geográfica o dominio que pretendemos analizar, se corresponde con el nombre del país recogido en las bases de datos (anexo I). Si no es así, hay que combinar las unidades geográficas que el ISI considera países, hasta constituir la unidad geográfica adecuada. 5.3. Generación de la Fuente Secundaria Una vez detectados y resueltos los posibles problemas relacionados con la consistencia de los datos en su estado original, estamos en disposición de generar la fuente secundaria, que se convierte en uno de los pilares fundamentales para el desarrollo de nuestro trabajo. Para ello, los datos bibliográficos de origen, requieren un tratamiento previo en parte automático y en parte manual. Con este fin, se ha utilizado un software ad- hoc, suministrado por el Director de esta tesis, por el que se vuelcan los registros a una base de datos relacional (véase estructura del modelo en la ilustración 31). Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 121 - Ilustración 31. Estructura de la base de datos de carga El resultado final es una de base de datos relacional, con la información estructurada de los documentos y con las relaciones establecidas a priori. Dicha base de datos recoge 1.751.996 autores de 206 países distintos 8 anexo I8 , los cuales, de forma autónoma o en colaboración, han publicado 901.493 documentos (articles, biographical items, book reviews, corrections, editorial materials, letters, meeting abstracts, news items y reviews) recogidos en 8.628 revistas aceptadas por el JCR y a las que se les han hecho corresponder las 219 categorías contempladas por el propio JCR del año 2002 8 anexo I8 , con la excepción de Multidisciplinary Sciences, donde se ha procedido según el método explicado en el apartado 4.2.2. El número total de citas recogidas en esta base de datos es de 25.682.754. Para el estudio evolutivo-temporal de un dominio, se ha utilizado una base de datos relacional con las mismas características de la anterior, pero que recoge exclusivamente la producción científica española desde 1990 a 2002. Dicha base de datos cuenta con 1.095.210 autores que de forma autónoma o en colaboración, han publicado 294.778 documentos en 10.404 revistas aceptadas por el JCR y a las que se les han hecho corresponder las 240 categorías contempladas por el propio JCR desde el año 1990 al 2002 8 anexo I8 , con la excepción de Multidisciplinary Sciences. El número total de citas recogidas en esta base de datos es de 7.364.747. Capítulo 6: Metodología - 122 - 6. Metodología La metodología para la realización de representaciones offline no ha variado mucho desde los años 80 hasta ahora: se elige el área de conocimiento a estudiar, se seleccionan las unidades de análisis (palabras, documentos, obras de un autor, revistas, país de publicación, etc.) se capturan los datos y se trasladan a una matriz de coocurrencia que luego es transformada en una matriz de proximidad. Las visualizaciones se obtienen mediante la representación de clustering, análisis de factores y/o MDS sobre matrices de coocurrencias, por ejemplo de autores; de tal forma que la estructura jerárquica de los clusters produce agrupamientos y el MDS ordenación de los items en un espacio de N dimensiones (White, H. D. y McCain, K. W., 1997). Apenas han pasado ocho años desde que White y McCain hicieron esa afirmación y desde entonces hasta ahora, han aparecido nuevas aportaciones metodológicas que han mejorado las ya existentes. Aunque con el tiempo, surgirán más. A continuación desarrollamos la nuestra. 6.1. Cocitación de Categorías Hasta ahora, la cocitación de clases y categorías (Moya Anegón, F. d. [et al.] , 2004), junto con la combinación de Clustering y Escalamiento Multidimensional (Small, H. y Garfield, E., 1985), han sido los dos únicos modelos propuestos para la representación de grandes dominios. En esta tesis, adoptaremos el modelo de cocitación de clases y categorías como modelo de representación. No obstante, propondremos y adoptaremos algunas modificaciones al mismo. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 123 - Ilustración 32. Modelo de cocitación de categorías adaptado de (Moya Anegón, F. d. [et al.] , 2004) Consideramos que las categorías JCR, por sí solas, son unidades informativas lo suficientemente explícitas como para poder ser utilizadas en la representación de las distintas disciplinas que componen la ciencia en general. Estas categorías, en combinación con las adecuadas técnicas de reducción del espacio y de representación de la información, permiten la construcción de scientogramas de la ciencia o de grandes dominios, mucho más informativos, claros y amigables desde el punto de vista de su facilidad de comprensión y de manejo, por parte de usuarios inexpertos, que los que se obtienen mediante la cocitación de clases. Además, la representación fragmentada de un dominio, a la que obliga la utilización de las clases ANEP, hace que las conexiones o relaciones existente entre las categorías de distintas clases no puedan ser estudiadas ni analizadas, al ser imposible Capítulo 6: Metodología - 124 - representarlas. Por todo ello, utilizaremos el modelo ampliado de cocitación de (Moya Anegón, F. d. [et al.] , 2004), pero sólo hasta el nivel de las categorías. Asimismo, realizamos una serie de consideraciones y modificaciones, que según nuestra opinión, lo mejoran. El modelo de cocitación de categorías tal y como fue descrito por sus autores, adolece de dos problemas que se han ido revelando con el uso y en la medida en que esta técnica se ha ido haciendo extensible a todo tipo de dominios. 1) El primer problema, en realidad es un vicio o defecto implícito, que aparece como consecuencia de la adopción de las Categorías del JCR como unidades de medida y de cocitación. 2) El segundo, está relacionado con la normalización del valor de cocitación de las distintas bases de datos 8 utilizadas para constituir la fuente de datos8 y con la necesidad de ofrecer dichos valores de cocitación en su estado puro. A continuación pasamos a describirlos a la vez que proponemos su solución. 6.1.1. Cocitación Latente El esquema de cocitación adoptado ?ilustración 328 , junto con la propia idiosincrasia de la clasificación del JCR puede provocar errores de acumulación en el cómputo de las cocitas entre categorías. Este fenómeno se produce como consecuencia de lo que nosotros denominamos como cocitación latente. Es decir, la simple referencia a un documento que haya sido publicado en una revista que tenga asignadas varias categorías en el JCR, desencadenará la cocitación automática de esas categorías, aunque no hayan sido citadas por distintos documentos. Por ejemplo, volviendo de nuevo al esquema de la ilustración 32 y utilizando como muestra la revista Journal of the American Society for Information Science and Technology (JASIST): la referencia de un documento X a otro que ha sido publicado en Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 125 - dicha revista, provocará automáticamente la cocitación de las dos categorías JCR, a las que dicha revista ha sido asignada. En otras palabras, una sola referencia a un documento perteneciente a JASIST supondrá, involuntaria e implicitamente, la cocitación de las categorías Computer Science and Information System e Information Science and Library Science, con el consecuente sobredimensionamiento de la cocitación ?relación8 entre ambas categorías y el correspondiente error en la representación de la estructura del dominio. Eliminar la latencia en la cocitación es algo relativamente fácil. Sólo es necesario agrupar las categorías citadas por cada uno de los documentos fuente y sobre esa propia agrupación, realizar el cálculo de cocitación. El resultado es una cocitación de categorías no latente, donde la latencia inherente a la propia clasificación, no condiciona la representación de la estructura del dominio que se pretende analizar. Esta cocitación no latente, será la que utilicemos para la generación de los scientogramas de grandes dominios que se recogen en esta tesis, y cuando hablemos de cocitación a secas, nos estaremos refiriendo a ella. 6.1.2. Valores de Cocitación Puros y Normalizados El cálculo de la cocitación produce como resultado una matriz de valores. En esta tesis, trabajaremos con matrices de cocitación de categorías y todas ellas serán cuadradas o simétricas. Es decir, tendrán el mismo número de filas que de columnas y por tanto, la coincidencia de sus elementos 8 categorías8 será siempre recíproca y no direccional. Para generar la matriz de cocitación de categorías, lanzamos una consulta de referencias cruzadas, que se ejecuta contra la base de datos relacional o fuente secundaria. Capítulo 6: Metodología - 126 - El resultado es una matriz simétrica, de N por N categorías, donde N es la cantidad de categorías existentes en la producción del dominio. No nos interesa representar, ni analizar la autococitación de categorías, por lo que ponemos a cero los valores de la diagonal de la matriz, eliminando así los ciclos o bucles de cada categoría. Al igual que White, H. D. (2003), también hemos podido comprobar que la introducción de medidas de normalización en los valores de la matriz, ya sean Pearson, la función del coseno(Salton, G., Allan, J., y Buckley, C., 1994), o la medida de normalización de la cocitación de Salton, G. y Bergmark, D. (1979), provoca distorsiones en la distribución de la información de los mapas. Este es el motivo de que los valores de cocitación con los que trabajamos estén en su estado puro, es decir, sin normalizar. No obstante, es necesario equiparar los distintos grados de citación de las tres bases de datos utilizadas para constituir nuestra fuente de datos. Por ello, a los valores puros de cocitación, les sumamos su correspondiente valor de cocitación ya normalizado. De esta forma, conseguimos trabajar con datos de cocitación puros, al mismo tiempo que normalizamos el grado de cocitación de las distintas categorías. Esto lo logramos con una simple modificación a la fórmula propuesta por Salton y Bergmark: jcic ijCc ijCcijMCN ·  Ecuación 3. Medida de Cocitación de Salton y Bergmark modificada Donde: - Cc es Cocitación - c citación. - i, j, son categorías Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 127 - Estas matrices de cocitación, son la base y el origen de los scientogramas que ponen de manifiesto la estructura del dominio que se representa, así como las relaciones o intercambio de información 8 conocimiento8 que se produce entre las distintas categorías o disciplinas de un dominio científico. A continuación, mostramos los valores de cocitación puros, a la vez que normalizados, obtenidos como consecuencia de aplicar la fórmula anterior a nueve categorías del JCR de un dominio ficticio y obtener su correspondiente grado de cocitación. ENERGY & FUELS GEOS CIENCES , INTERDIS CIP LINARY ENGINEERIN G, PETROLEUM GAS TROENTEROLO GY & HEP ATOLOGY RADIOLOGY, NUCLE AR MEDICINE & MED ICAL IMAGIN G MATHEMATICS MEDICINE, GENERA L & INTERNAL EDUCATION, S C IENT IF IC DIS CIP LINES MEDICAL INFORMA T ICS100 ENERGY & FUELS 0 26.31 30.2 0 0 0 2.09 0 0 GEOSCIENCES, INTERDISCIPLINARY 26.31 0 16.1 0 3.02 2.07 2.3.4 1.1 0 ENGINEERING, PETROLEUM 30.2 16.1 0 0 0 0 0 0 0 GASTROENTEROLOGY & HEPATOLOGY 0 0 0 0 36.03 0 248.1 0 1.01 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0 3.02 0 36.03 0 0 90.04 1.07 7.02 MATHEMATICS 0 2.07 0 0 0 0 0 2 2.01 MEDICINE, GENERAL & INTERNAL 2.09 2.3.4 0 248.1 90.04 0 0 5.01 24.3 EDUCATION, SCIENTIFIC DISCIPLINES 0 1.1 0 0 1.07 2 5.01 0 0 MEDICAL INFORMATICS 0 0 0 1.01 7.02 2.01 24.03 0 0 Tabla 2. Ejemplo de matriz de cocitación de 9 por 9 categorías Capítulo 6: Metodología - 128 - 6.2. Reducción de la Dimensión: Estructura Básica de un Dominio. Como ya indicamos en el apartado 4.4, a lo largo de los últimos veinte años, se han utilizado técnicas muy distintas y variadas para reducir el espacio n-dimensional. Como entrada de datos, se han utilizado, entre otras, valores de cocitación en su estado puro, o normalizados. En cuanto a las técnicas encargadas de la reducción, han sido muy variadas: MDS, Clustering mediante el vecino más lejano, Análisis Factorial (AF), mapas autoorganizativos de Kohonen (SOM) y Pathfindernetworks (PFNETs). En el presente trabajo, hemos optado por PFNETs. Consideramos que es la mejor técnica para preservar las relaciones semánticas más significativas, al tiempo que captura de una forma económica la estructura intelectual de un dominio, desde un punto de vista social. No debemos de olvidar que quienes establecen las relaciones semánticas y su grado, son los propios autores que componen un determinado dominio. Por primera vez, nos enfrentamos al problema de tener que representar en un plano, ya sea la pantalla de un ordenador o un papel, la estructura de la producción científica de grandes dominios geográficos. Todo ello sin que influya el hecho de que el dominio sea una comunidad autonónoma, un país pequeño o grande, que sea un continente, o que incluso sea el mundo. La adopción de las categorías del JCR como unidades de cocitación, implica también la aceptación de dichos elementos como unidades de representación. Lo cual inevitablemente conlleva, a que los scientogramas resultantes contengan normalmente un número superior a las doscientas categorías. Representar en un gráfico de dos dimensiones, de una forma que sea inteligible y estéticamente agradable para el ojo humano, un número tan elevado de elementos junto con sus con sus correspondientes relaciones, no es nada fácil. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 129 - Por ello, y siguiendo el consejo de Small ...por motivos de claridad en la visualización es mejor eliminar algunas conexiones... la pérdida de información de la estructura implica la ganancia en simplicidad, por lo que en algunos casos el sacrificio está justificado(Small, H., 2000). y el de Hjørland y Albrechtsen ?si se trata de un sistema con demasiadas posibilidades, en el que no se le hayan dado prioridad a las conexiones esenciales, sólo se obtendrá un exceso de información por parte del usuario, y una falta de efectividad en lo que se refiere al sistema(Hjørland, B. y Albrechtsen, H., 1995) PFNET aporta soluciones en esta dirección, y es muy útil para sacar a la luz la estructura científica e intelectual de grandes dominios científicos. Como hemos puesto de manifiesto en el apartado anterior, la utilización exclusiva de medidas de normalización de la cocitación, provoca un efecto de disgregación o desmembración de las agrupaciones científicas en la estructura de las redes tipo PFNET. Para evitarlo, hemos propuesto una modificación de la fórmula de Salton y Bergmark, que resuelve dicho problema, al tiempo que hace aflorar a simple vista y de forma automática, como si fueran racimos, las distintas agrupaciones científicas que conforman la estructura del dominio. Hay que tener en cuenta que trabajamos con valores de cocitación, que en realidad no son más que los valores de los enlaces y que estos tienen un valor que oscilan entre uno y unos pocos miles, en el mejor de los casos, pero que como ocurre en todas las distribuciones bibliométricas, los valores de cocitación bajos son los más abundantes y con más posibilidad Capítulo 6: Metodología - 130 - de repetirse. Esto implica que, cuanto mayor sea el número de nodos, mayor será la posibilidad de que el valor de los enlaces que se conectan a un mismo nodo sea igual. Si recordamos que el sistema de poda de enlaces utilizado en las redes PFNET, está basado en el principio de la desigualdad triangular, es posible que el algoritmo no pueda eliminar alguno de los enlaces de un determiando nodo, al encontrar dos paths o caminos con la misma distancia. La materialización de esa probabilidad, da lugar a la aparición de bucles en la red y por tanto a un aumento de su densidad, dificultando la claridad de la visualización y compresión de la misma. Un valor añadido de la utilización de la fórmula modificada de Salton y Bergmark, es que evita la aparición de bucles o conexiones cíclicas entre nodos en las representaciones de los dominios. La introducción de esta modificación, nos permite reducir prácticamente a cero la probabilidad de que el valor de los enlaces que conectan a un mismo nodo sea el mismo y que por tanto, aparezcan bucles en los scientogramas. Esto se debe a que los números enteros del valor de la cocitación sin normalizar, pasan a ser reales y con tantos decimales como se estime oportuno, para romper los bucles. Para ilustrar lo dicho hasta ahora, a continuación mostramos y comentamos tres redes PFNET con valores r = ’ y q = n - 1, recogidas en las ilustraciones 33, 34 y 35. Estas se han construido a partir de una misma matriz de cocitación de 215 por 215 categorías, y han dado lugar a tres visualizaciones distintas de un mismo dominio ficticio. En la primera, los valores de cocitación se han normalizado según la fórmula de Salton y Bergmark. La segunda, utiliza los valores de cocitación en su estado puro, es decir, sin normalizar. Finalmente, la tercera utiliza los valores de cocitación obtenidos con el método propuesto por nosotros en esta tesis. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 131 - Ilustración 33. PFNETs de cocitación de categorías con valores normalizados según la fórmula de Salton y Bergmark La red PFNET de la ilustración 33, se constituye en un grafo esquemático y amigable desde el punto de vista de su facilidad de comprensión, por parte de usuarios inexpertos. Tiene una baja densidad, es decir, su número de enlaces o conexiones entre nodos es bastante reducido. Y aparece distendida a lo largo del espacio que ocupa. Sin embargo, tiene el inconveniente de presentar la estructura científica del dominio como algo lineal. Salvo en la parte central derecha 8 marcado en rojo8 , que encontramos un nodo que parece constituirse como el punto de confluencia de otros nodos, la red no presenta ningún elemento diferenciador claro que pueda ser considerado como el punto de partida o arranque, para el análisis de de la estructura de la red. La verdad es que, si no fuese por ese punto de confluencia, indicador de un fuerte intercambio de información entre nodos, posiblemente, la mejor forma de comenzar el análisis estructural sería por cualquiera de sus extremos, sin importar cual. Capítulo 6: Metodología - 132 - Ilustración 34. PFNETs de cocitación de categorías con valores de cocitación puros La red PFNET de la ilustración 34, presenta un grafo complicado, enmarañado y difícil de interpretar. Este tipo de representación es la típica que se obtiene cuando se utiliza el valor puro de cocitación. Como hemos comentado anteriormente, es precisamente el uso de este valor sin normalizar, el que provoca que el algoritmo de poda no pueda encontrar, en algunas ocasiones, un path o camino más largo para eliminar, provocando así la aparición de bucles o conexiones cíclicas entre nodos. No obstante, y como consecuencia de utilizar valores de cocitación de categorías en su estado puro, provoca la aparición de agrupaciones científicas alrededor de distintos nodos 8 marcados en rojo8 . Pese al alto grado de entrelazamiento de la red, estas son fácilmente detectables a simple vista y pueden ser Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 133 - utilizadas como punto de partida para el análisis de la estructura científica del dominio. Ilustración 35. PFNETs de cocitación de categorías con los valores normalizados según nuestra propuesta La red PFNET de la ilustración 35 es una red esquemática, clara y amigable desde el punto de vista de su facilidad de comprensión y de manejo, por parte de usuarios inexpertos. Por sí misma, es capaz de identificar sin ningún tipo de técnica auxiliar, a los núcleos 8 marcados en rojo8 de las principales áreas de investigación del dominio que se representan y que estas puedan ser fácilmente detectadas por el ojo humano. Gracias a dichas áreas y al número de nodos que las integran, podemos descubrir, por ejemplo, sus distintos grados de importancia y comenzar, a partir de ellas, el análisis de la estructura del dominio. Capítulo 6: Metodología - 134 - Este tercer tipo de grafo, condensa las virtudes de los dos anteriores: simplicidad por un lado, e identificación automática de las grandes áreas de conocimiento del dominio que se representa, por otro. No podía ser de otra forma, pues es el resultante de la unión de la filosofía de los dos grafos anteriores, pero sin sus inconvenientes. 6.3. Distribución Espacial de la Información De los algoritmos más populares para realizar las representaciones gráficas de las redes tipo PFNETs, nos hemos decantado por el de Kamada, T. y Kawai, S. (1989), al igual que ha hecho la mayor parte de la comunidad científica. Los motivos que nos han llevado a tomar esta decisión son los siguientes: x Se trata de un algoritmo sencillo, pero muy adecuado para la generación automática de redes sociales con un coste informático muy bajo. x Produce buenos resultados en grafos que contienen cientos de vértices, en un tiempo razonable. x Distribuye los nodos en el espacio de tal forma que los más similares tienden a aparecer juntos, mientras que los que lo son menos, se muestran separados. x Se puede aplicar de forma sencilla al dibujo de grafos de pesos, asumiendo que la longitud de los enlaces refleja el peso de los mismos. x Es posible incorporarle distintas variaciones. En nuestro caso: Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 135 - ƒ Nodos de volumen variable. El uso de volumen en los nodos introduce un factor espacial que el algoritmo de PFNETs no tiene en cuenta, lo que puede provocar el solapamiento de los mismos en la red. Como indican Harel y Koren, aunque complicadas, existen distintas opciones de optimización (Harel, D. y Koren, Y., 2002). ƒ Grosor variable de los enlaces. Esta variación no es problemática para el propio algoritmo. Sólo hay que indicarle que el valor que debe utilizar para representar la anchura de los enlaces, no es igual para todos, sino el de la propia cocitación. ƒ Longitud variable de los enlaces. Como se comentó en el apartado 4.4.3.1, este algoritmo fija las coordenadas de los nodos de acuerdo a unas distancias teóricas que establece entre ellos. Lo más habitual es asignar una distancia unitaria L a cada enlace, de modo que la distancia teórica entre dos nodos sea L · n, donde n es el número de enlaces entre nodos. También es posible asociar una distancia diferente a los enlaces. Dependiendo de que los valores que se le haya asignado a estos sean distancias o similaridades entre nodos. Pudiendo calcularse la distancia teórica entre dos nodos, mediante la métrica de Minkowski. Para la generación de las visualizaciones, no ejecutamos directamente el algoritmo sobre la red Pathfinder. Previamente tenemos en cuenta las variaciones que se le van a incorporar a la propia red y si estas necesitan alguna modificación en su código fuente, o si pueden ser llevadas a cabo por el propio algoritmo a partir de la información de que ya dispone. La primera variación está relacionada con el tamaño de los nodos. Para hacer más informativos los scientogramas PFNET, a cada nodo le Capítulo 6: Metodología - 136 - hacemos corresponder un tamaño proporcional a la totalidad de la producción científica del dominio que se está representando. Para ello, realizamos una serie de modificaciones en el código de la red relacionadas con el tamaño de los nodos, para que estas puedan ser interpretadas por el algoritmo. De esta forma, en la representación obtenida, y a simple vista, es posible detectar qué categorías son más productivas y cuales menos. La segunda variación va implícita en el algoritmo, es decir es un elemento de configuración, que se puede activar o desactivar. Su objetivo es mostrar el grosor de los enlaces. Al igual que en la modificación anterior, también persigue la mejora de la capacidad informativa de los scientogramas a través de la visualización. En nuestra opinión, es un complemento al algoritmo de poda, ya que gracias al principio de la desigualdad del triángulo, reducimos el número de enlaces de la red a sus conexiones más significativas y mediante esta modificación, mostramos cuáles de esas relaciones son los más fuertes. En otras palabras, podemos detectar a simple vista las categorías con un mayor grado de interacción, a partir de su grosor. La tercera y última variación también es configurable y está relacionada con la longitud de los enlaces, su espesor, y con el diámetro de los nodos. Con ella, hemos pretendido evitar de forma automática cualquier tipo de solapamiento entre nodos o enlaces, pero con poco éxito estético. Hemos conseguido evitar la superposición de elementos de la red, pero a costa de cierta pérdida de amigabilidad. Por ello, y de momento, hemos decidido desandar el camino avanzado, desactivar esta opción del algoritmo y reposicionar levemente, de forma manual, los solapamientos entre nodos que se produzcan. Las ventajas propias del algoritmo seleccionado, junto con las modificaciones propuestas, nos ofrecen unas representaciones esquemáticas, claras, inteligibles y atractivas para la mente humana, como era nuestro primer objetivo. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 137 - Si comparamos los scientogramas de las ilustraciones 36 y 37, realizadas a partir de la misma red PFNET, rápidamente comprenderemos porqué hemos optado por el algoritmo de Kamada, T. y Kawai, S. (1989), frente al de Fruchterman, T. y Reingold, E. (1991). Ilustración 36. PFNETs realizada con el algoritmo de Fruchterman Reingold Capítulo 6: Metodología - 138 - Ilustración 37. PFNETs realizada con el algoritmo de Kamada-Kawai Ambas visualizaciones ocupan todo el espacio disponible, distribuyendo los nodos y los enlaces según los principios establecidos por cada programa, aunque una con más acierto que otra. Las dos incluyen las variaciones comentadas sobre el grosor de los enlaces y tamaño de los nodos. Tanto una como otra, ganan en capacidad informativa, aunque quizá a costa de una pequeña pérdida de claridad en la visualización, si las comparamos por ejemplo con la red de la ilustración 35, en la que no se representaban los tamaños. La ilustración de la figura 36 presenta un esquema radial, donde los nodos que más se relacionan con el resto se sitúan en posiciones centrales, y los que menos vínculos tienen aparecen en la periferia. Esta estructura es la típica que se obtiene al utilizar MDS como técnica de representación. En casos como este, donde sólo unos pocos nodos tienen un cierto grado de conexión con el resto, se producen representaciones prácticamente vacías en el centro, al tiempo que una fuerte aglomeración en la periferia. Si en Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 139 - nuestro caso añadimos además un número de nodos muy elevado, se dificulta la visualización en la periferia, al no haber suficiente espacio donde colocar tantas categorías provocando como consecuencia el solapamiento de nodos y enlaces. La ilustración 37, muestra una red extendida, amigable y muy informativa, sin solapamientos en los enlaces, ni en los nodos. Si bien es verdad que para estos últimos y en algunas ocasiones, pocas, los hemos tenido que reposicionar manualmente para evitar ese problema. El resultado que se obtiene con el algoritmo de Kamada, T. y Kawai, S. (1989) es algo tan espectacular y visualmente informativo, como un mapa de metro o ferrocarril: x Un simple vistazo ayuda a determinar cual es el centro y los límites de la línea férrea 8 dominio8 . x Es fácil llegar de una estación 8 categoría8 a otra, siguiendo las vías 8 enlaces8 . x Se puede determinar qué estaciones son las más importantes en función del número de conexiones que reciben y a su vez, qué estaciones actúan como intercambiadores 8 intermediarias8 con otras líneas férreas, o como punto de bifurcación, según se mire. El algoritmo de Kamada, T. y Kawai, S. (1989), en conjunción con las características propias de PFNETs y con la utilización del valor de la cocitación de categorías en su estado puro, presenta dos características significativas: Capítulo 6: Metodología - 140 - 1) Hace aflorar a simple vista y de forma automática las principales agrupaciones científicas que conforman la estructura de un dominio. 2) Posibilita la visualización de cómo dichas agrupaciones se encadenan en secuencias explícitas, donde el orden de los nodos en esas secuencias no es arbitrario, sino que revela el modo en que se conectan las grandes agrupaciones científicas de un dominio y con ellas, deja ver su estructura siguiendo un orden lógico. Estas dos características, en combinación con el Análisis Factorial, al que hacíamos referencia en el apartado anterior, facilitan el análisis y comprensión de un dominio. 6.4. Consideraciones Metodológicas A continuación, detallamos algunas particularidades propias de nuestros scientogramas de grandes dominios, consecuencia de la metodología y datos utilizados. 6.4.1. Enlaces Débiles Como ya se ha dicho en el Capítulo 5, uno de los problemas derivados de la utilización de las bases de datos ISI, es su cobertura documental, pues no tienen en cuenta un considerable número de revistas de distintos países y tampoco cubren tipos documentales como monografías ni informes. Desde el punto de vista de la visualización de la información y en lo que a esta tesis se refiere, esta falta de cobertura hace que la cocitación entre algunas de las categorías del JCR sea sorprendentemente débil en algunos casos y extrañamente fuerte en otros. Este hecho favorece que cuando se aplica Pathfinder como algoritmo de poda, conexiones que ponen en contacto a categorías que tienen muy poca relación entre sí, porque son consecuencia de una cocitación tangencial, prevalezcan sobre otras que son Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 141 - más naturales, pero que tienen una conexión más débil. Por ejemplo y en el caso de la ilustración 38, la categoría Philosophy aparece enlazada con la categoría Medicine General & Interna 8 zona central-derecha del scientograma8 . - 142 - Ilustración 38. Scientograma PFNETs de un dominio ficticio Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 143 - Aunque dicha conexión entre disciplinas no es muy disparatada, tampoco encaja mucho con el modelo mental que todos tenemos de la interconexión de la ciencia, y mucho menos si lo que estamos representado son los enlaces más significativos de cada categoría. Si estudiamos con profundidad esa conexión, veremos que Philosophy aparece cocitada con otras veintiocho categorías, incluida ella misma, tantas veces como indica el número que aparece a su derecha 8 Tabla 38 . Categoría Categoría Nº de cocitas PHILOSOPHY PHILOSOPHY 26 PHILOSOPHY MEDICINE, GENERAL & INTERNAL 3 PHILOSOPHY HISTORY & PHILOSOPHY OF SCIENCE 2 PHILOSOPHY ETHIC 2 PHILOSOPHY PHARMACOLOGY & PHARMACY 2 PHILOSOPHY CHEMISTRY, MEDICINAL 2 PHILOSOPHY BIOCHEMICAL RESEARCH METHODS 2 PHILOSOPHY PSYCHOLOGY 2 PHILOSOPHY ENGINEERING 2 PHILOSOPHY MATHEMATICS, APPLIED 2 PHILOSOPHY CHEMISTRY, ANALYTICAL 2 PHILOSOPHY EDUCATION & EDUCATIONAL RESEARCH 1 PHILOSOPHY ENVIRONMENTAL STUDIES 1 PHILOSOPHY ECOLOGY 1 PHILOSOPHY MATHEMATICS 1 PHILOSOPHY COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 1 PHILOSOPHY BIOLOGY 1 PHILOSOPHY ECONOMICS 1 PHILOSOPHY HISTORY 1 PHILOSOPHY INFECTIOUS DISEASES 1 PHILOSOPHY ZOOLOGY 1 PHILOSOPHY MEDICINE, LEGAL 1 PHILOSOPHY PEDIATRICS 1 PHILOSOPHY PHYSICS, MULTIDISCIPLINARY 1 PHILOSOPHY PLANNING & DEVELOPMENT 1 PHILOSOPHY PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 1 PHILOSOPHY SOCIAL SIGUES 1 PHILOSOPHY SOCIAL SCIENCES, BIOMEDICAL 1 PHILOSOPHY IMMUNOLOGY 1 Tabla 3. Categorías cocitadas con Philosophy La conexión o cocitación más alta de Philosophy es consigo misma. Pero como dijimos en el apartado 6.1.2, el valor de la diagonal de la matriz, Capítulo 6: Metodología - 144 - o lo que es lo mismo, la autococitación, la ponemos a cero. Descartada la propia categoría como unidad de cocitación, observamos que la siguiente categoría más cocitada con Philosophy, es Medicine General & Internal, con un valor igual a tres. La siguen el resto de categorías, con valores de cocitación que oscilan entre dos y uno. Sabemos que desde el punto de vista de la interdisciplinaridad de la ciencia, cualquier tipo de conexión disciplinar es posible. En este caso, lo extraño es que categorías mas afines como por ejemplo History, no aparezcan cocitadas con ella, o que otras como History & Philosophy of Science, tenga un valor de cocitación inferior al de Medicine General & Internal. Esto provoca que al entrar en funcionamiento el algoritmo de Pathfinder y buscar los paths o caminos más cortos para podarlos, seleccione el de valor más alto. Dando como resultado la conexión Philosophy ÅÆ Medicine General & Internal. La causa de este desbarajuste, como ya hemos dicho, está en la falta de cobertura documental de las bases de datos utilizadas, favorecido quizá por el corto periodo temporal de datos aquí utilizado 8 20028 , unido a la política de citación de los autores de determinadas áreas. Este problema, podría ser fácilmente resuelto mediante la citación de revistas como elemento de adscripción temática. Es decir, se averiguraría cual es la revista más citada para cada categoría extrañamente conectada y se la vincularía manualmente con ella. Aunque también podría ser resuelto del mismo modo que en otros trabajos que se han encontrado con el mismo problema: eliminándolas a ellas y a sus enlaces. Fuera de lo estrictamente necesario, no queremos hacer ningún tipo de manipulación en el proceso de construcción de los scientogramas. Para ello, mantendremos las conexiones tal y como las establece el algoritmo de Pathfinder. Ahora bien, advertiremos a los usuarios de nuestros scientogramas, de qué enlaces o conexiones entre categorías, son susceptibles de ponerse en duda y cuáles no. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 145 - Después de observar cientos de scientogramas PFNETs de grandes dominios y de estudiar sus conexiones una a una, hemos llegado a dos conclusiones. La primera es que un enlace entre categorías será menos dudoso cuanto mayor sea su valor de cocitación. Y la segunda es que el problema de cobertura que provoca los errores de conexión, se produce sobre todo en las categorías pertenecientes a las bases de datos de las ciencias sociales, especialmente, a las de arte y humanidades. En esta tesis y para el periodo de tiempo que aquí se estudia, consideraremos que los enlaces con un valor inferior a cuatro, pueden ser los responsables de conexiones dudosas entre categorías. Para hacerlo saber a todo aquel que observe estos scientogramas, los colorearemos de rojo. 6.4.2. Nodos Aislados En una PFNETs, lo importante no es el lugar que ocupan los nodos, per se, sino los enlaces entre los mismos(Buzydlowski, J., 2002). Desde nuestro punto de vista, esta afirmación puede ser completada, pues en una PFNETs, lo importante no es el lugar que ocupan los nodos, sino la existencia o ausencia de enlaces entre ellos. Pues son los enlaces quienes suministran la información sobre los nodos y los que determinan su posición. Del mismo modo que la conexión entre dos categorías pone de manifiesto la relación más significativa 8 fuerte8 que existe entre ellas, y hace que la posición de ambas sea de adyacencia. La ausencia de conexiones en una categoría, indica que dicha categoría no mantiene ningún enlace ni intercambio intelectual con otras categorías y por tanto, su posición no es de adyacencia a ninguna otra, sino que se ubica libremente por el espacio disponible de la red. En resumen, la existencia de enlaces entre nodos es importante e informativa, pero también lo es su ausencia. Capítulo 6: Metodología - 146 - No es muy común encontrar un nodo aislado en un scientograma de categorías, pero es posible. Este hecho se produce única y exclusivamente cuando una categoría sólo aparece cocitada con ella misma, y por tanto sin enlaces con el resto. Bien porque así lo determina la comunidad científica mediante sus cocitas, lo cual es un hecho social a tener en cuenta y digno de estudio, o bien, porque la deficiente cobertura documental, hace que no se tenga información de las cocitas con otras categorías. Como veremos en el capítulo de resultados, nuevamente son las categorías de las ciencias sociales y de las artes y humanidades las más proclives a aparecer aisladas, siendo la cobertura, su causa principal. 6.4.3. Recuperación de Información La visualización offline o de representaciones estáticas, se hace más interesante si se orienta a la construcción de prototipos de interfaces de recuperación de información(White, H. D. y McCain, K. W., 1997). Con el objeto de suscitar la recuperación de información, cada scientograma PFNETs incluye hipervínculos en sus enlaces y categorías. Dichos hipervínculos permiten la consulta vía web de la fuente secundaria. Son dos las formas de acceder y recuperar la información. La primera está ligada a cada una de las categorías. Se trata de una consulta simple que, para cada scientograma, muestra ordenados por tipo documental los trabajos pertenecientes a cada categoría. La segunda proporciona, ordenados también por tipo documental, los documentos asociados a los enlaces existentes entre dos categorías. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 147 - Ilustración 39. Listado de los veinte primeros documentos españoles de la categoría Library Science & Información Science del año 2002 Capítulo 6: Metodología - 148 - Ilustración 40. Veintitrés primeros documentos españoles que cocitan a las categorías Information Sciences & Library Sciences y Computer Sciences Information Systems, en el año 2002 Por limitaciones del software utilizado en la base de datos relacional, sólo podemos mostrar de forma completa la información del dominio español. Del resto de dominios geográficos, la información más detallada que podemos ofrecer, es la referente a las revistas en las que los documentos han sido publicados. 6.5. Visualización de Dominios Desde nuestro punto de vista, SVG es una gran idea. Es un formato pequeño, veloz, ingenioso y gratuito. Con un firme soporte técnico y un importante apoyo por parte de la industria del sector y de muchos expertos. Por estas razones lo hemos elegido como formato de visualización de los scientogramas de grandes dominios científicos. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 149 - Pensamos que es una decisión acertada. No debemos olvidar que pretendemos representar grandes dominios mediante las categorías del JCR. Y que esto supone incrustar al menos doscientos nodos, junto con sus correspondientes enlaces, en un papel tamaño A4 o en la pantalla de un ordenador. Y todo ello de una forma atractiva, inteligible e interpretable por el ojo humano. Para que las scientogramas PFNETs puedan ser mostradas en formato vectorial, las transformamos a formato SVG mediante un software construido ad hoc. Este software, es el encargado de realizar los retoques estéticos a la par que informativos en dichos scientogramas. Las tareas que realiza este software son las siguientes: x Pinta los nodos con unos colores ya definidos de antemano. x Colorea los enlaces de rojo o azul en función de que la conexión entre categorías sea extraña o no. (Ver apartado 6.4.1) x Inserta una etiqueta correspondiente nombre de la categoría. x Incluye los hipervínculos necesarios en enlaces y nodos para realizar la recuperación de la información asociada a los mismos El resultado que se obtiene son visualizaciones de grandes dominios científicos que facilitan al browsing de su estructura y que favorecen el acceso y la recuperación de la información bibliográfica, sobre la que están construidos. Capítulo 6: Metodología - 150 - 6.5.1. Evaluación Para que la visualización de un dominio se considere que está bien diseñada, tiene que cumplir una serie de requisitos(Börner, K., Chen, C., y Boyack, K. W., 2003). Habilidad para representar tanto grandes, como pequeñas cantidades de información. Gracias a la adopción del algoritmo de Kamada, T. y Kawai, S. (1989), que distribuye la información utilizando el máximo de espacio, reduce el número de cruces en los enlaces, etc., podemos ofrecer scientogramas que contengan tanto grandes, como pequeñas cantidades de información. Hemos comprobado que es posible mostrar de una forma clara e inteligible, bien en la patalla de un ordenador bien en un papel tamaño A4, hasta doscientos cincuenta nodos con su correspondientes etiquetas. Incluso se puede llegar hasta quinientos si no se incluye ningún rótulo de identificación. La adopción del formato SVG facilita la implementación de ciertas tareas complementarias de la visualización tales como: hacer zoom y ampliar o reducir cualquier área del scientograma, para ver mejor aquellas zonas que nos puedan interesar sin perder ni un ápice de la calidad original del gráfico, al mismo tiempo que hace posible realizar desplazamientos dentro del gráfico en cualquier dirección. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 151 - Ilustración 41. Ampliación de un área de un dominio PFNETs ficticio Reducción del tiempo de búsqueda visual de la información. La dristribución espacial de la información ocupando el máximo espacio disponible, junto con el reposionamiento manual de alguna etiqueta, cuando ha sido necesario, hacen que la búsqueda visual de la información sea muy rápida. Incluso en tamaño real, sin necesidad de tener que recurrir al zoom. Además y de nuevo como consecuencia de la adopción de SVG, se puede localizar rápidamente cualquier cadena de texto que de desee, por medio de una herramienta de búsqueda que lleva incorporado este formato. Una buena comprensión de las estructuras complejas de datos. El uso de valores de cocitación puros a la vez que normalizados, en combinación con la superposición del Análisis Factorial sobre la estructura de una red PFNET, hace que las visualizaciones informen por sí mismas y apenas tengan que ser interpretadas. Las visualizaciones se constituyen en esquemas gráficos de los dominios que representan. Los racimos de categorías, o agrupaciones en torno a alguna de ellas, muestran la existencia de un alto grado de relación entre disciplinas, al mismo tiempo Capítulo 6: Metodología - 152 - que un fuerte intercambio intelectual entre las mismas, produciendo en algunos casos a la identificación de especialidades. El Análisis Factorial, nos permite detectar las grandes agrupaciones de categorías o grandes áreas temáticas de la ciencia, poniendo de manifiesto fácilmente, mediante los distintos colores, sus ubicaciones, vecindades, categorías que lo componen, etc. Finalmente, PFNETs pone de manifiesto la estructura semántica del dominio, haciendo de hilo conductor entre las distintas categorías o disciplinas que componen el dominio, y de elemento diferenciador entre los diferentes grupos intelectuales o áreas temáticas, al ser el responsable, a través de su algoritmo de poda, de las agrupaciones finales resultantes. Poner de manifiesto relaciones que de otra forma no serían apreciadas. Este objetivo se consigue gracias al uso de las redes sociales, cuya representación gráfica nos permite mostrar las relaciones existentes entre pares de nodos. De nuevo, y otra vez mediante PFNETs, simplificamos las relaciones mostrando sólo las más fuertes o significativas, haciendo que la estructura del dominio sea menos complicada y más fácil de comprender. Además, por medio del grosor de los enlaces y su color, indicamos el grado de relación entre categorías: más grueso cuanto mayor es la relación; y de color azul o rojo, dependiendo de que la conexión entre categorías sea extraña o no. El conjunto de datos se podrá observar desde distintas perspectivas. Se trata del único apartado que no podemos conseguir. SVG no contempla la posibilidad de rotar los gráficos ni de ofrecer vistas panorámicas. Sin embargo, es posible que incorpore estas características en el futuro, pues actualmente aún sigue en desarrollo y sólo ha aparecido una nueva versión 8 1.18 desde su creación. Favorecerá la formulación de hipótesis. Las visualizaciones de propuestas al mostrar de una forma atractiva y comprensible la estructura semántica e intelectual de un dominio, invitan incluso a los no especialistas Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 153 - en el área que se esté visualizando, a aventurar teorías e hipótesis sobre los hechos o interacciones que se puedan producir, en un determinado dominio. Será objeto de análisis, debate y discusión. Nuestras visualizaciones podrán ser utilizadas por expertos o especialistas, como herramientas para analizar, debatir y discutir el estado actual o pasado de un dominio. De igual modo, se podrá estudiar su evolución a través de visualizaciones temporales. 6.6. Scientografía de Grandes Dominios Científicos El resultado final de la metodología aquí propuesta, es un scientograma capaz de representar por sí mismo, la estructura de grandes dominios científicos con todas las ventajas descritas hasta ahora, tal y como revela la ilustración 42. En otras palabras, podemos decir que el producto final de nuestra metodología es un conjunto de scientogramas: x que muestran la estructura esencial de la ciencia por medio de los enlaces más significativos obtenidos a partir de la cocitación de categorías del JCR, x que son amigables desde el punto de vista de su facilidad de comprensión y de manejo, por parte de cualquier usuario, x que hacen surgir las distintas agrupaciones científicas que conforman la estructura de un dominio encadenándolas en secuencias explícitas, x que ponen de manifiesto la estructura semántica e intelectual del dominio al que representan, Capítulo 6: Metodología - 154 - x que añaden información adicional visual, en nodos y enlaces, con respecto a las redes PFNETs realizadas hasta ahora, x que en la pantalla de un ordenador pueden ser ampliados, reducidos o desplazados en cualquier dirección sin que pierdan calidad, x que pueden ser fácilmente visualizados en el web o enviados por correo electrónico debido a su bajo peso, y x que por primera vez en la historia de la visualización de la información, hacen posible ver en un espacio tan reducido como es la pantalla de un ordenador o un papel A4, la estructura científica de un gran dominio, geográfico en esta tesis, pero de cualquier otro tipo si así se desea. Así lo demuestra la ilustración 42, que recoge todas las peculiaridades anteriores. - 155 - Ilustración 42. Scientograma PFNET de la estructura del dominio científico español en el año 2002 Capítulo 6: Metodología - 156 - 6.7. Ínter Citación Una de las posibles críticas que podría recibir esta metodología, es que se basa en un sistema de clasificación como es el JCR y en la adscripción temática de sus revistas. Como consecuencia, las representaciones o scientogramas que se obtienen a partir de dicho sistema de clasificación, podrían ser la estructura del propio JCR y no la de la ciencia de un dominio en concreto, que es lo que se ha pretendido conseguir. Esta invectiva, que de ser cierta, echaría por tierra el uso de la cocitación de categorías para la representación de grandes dominios científicos, necesita ser debatida. Para refutar esta crítica, nos valemos de dos scientogramas construidos a partir de la cocitación de las categorías del JCR, uno a partir de la cocitación de revistas y otro a partir de la de documentos. Ambos servirán para demostrar que nuestra metodología es totalmente válida y que cumple los objetivos para los que fue propuesta. Además, dichos scientogramas, surgen como herramientas adicionales para el estudio, comparación e interpretación de la ciencia en general. 6.7.1. Ínter citación de Revistas Siguiendo la metodología propuesta de cocitación de categorías y utilizando la adscripción temática de las revistas del JCR como punto de partida para posteriormente, por medio de PFNETs, mostrar las relaciones más significativas entre categorías, construimos un scientograma que muestra la esencia de la estructura científica pura del JCR 8 ilustración 438 . - 157 - Ilustración 43. Scientograma de la Estructura del JCR 2002 construida a partir de sus revistas Capítulo 6: Metodología - 158 - Si comparamos los scientogramas de las ilustraciones 42 y 43, la primera impresión que obtenemos es la de que ambos son estructuralmente distintos. Sin embargo, un análisis más detallado saca a la luz aspectos tales como: que los dos tienen como centro la categoría Biochemistry & Molecular Biology; que en ambos scientogramas, algunas ramas de la estructura científica siguen un mismo patrón de conexión, como por ejemplo el caso de: Neurosciences ÅÆ Clinical Neurology ÅÆ Pyichiatry ÅÆ Psychology; y que muchas conexiones entre categorías coinciden en ambos scientogramas, aunque no tantas como para decir que los dos son iguales, sino todo lo contrario. De hecho, de las posibles conexiones representadas en los dos scientogramas, el de España coincide con el del JCR en 95 casos, y no lo hace en otros 119 8 anexo II8 . Desde el punto de vista de la coincidencia de enlaces, observamos una característica común en los dos scientogramas. Si transponemos las categorías concurrentes a la estructura del JCR, veremos que un gran número de ellas están conectadas por enlaces gruesos, lo que indica una fuerte ínter citación entre las revistas de esas categorías. No sería muy descabellado pensar que el motivo de la coincidencia de enlaces entre categorías se deba a un alto grado de ínter citación entre las revistas, y que la estructura científica de un dominio no es más que el reflejo del propio JCR como consecuencia de la fortaleza de sus relaciones frente a la debilidad de las establecidas por los autores del dominio. Pero esto no es así. Si miramos uno por uno los enlaces coincidentes, veremos que no todos son fuertes, sino que también los hay intermedios y débiles, por lo que el razonamiento anterior no resulta válido. Lo cierto es que existen una serie de categorías coincidentes en ambos scientogramas y que esto tiene que obedecer a alguna causa. La explicación de la coincidencia de enlaces se debe a que estamos representando un mismo hecho de distintas formas. Es decir, tanto el scientograma de cocitación de revistas como el del dominio español, representan una misma estructura científica, más general para el caso de la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 159 - ínter citación y más específica para el caso del dominio, y sus coincidencias en los enlaces, no hacen más que poner de manifiesto las similitudes estructurales que existen desde sus distintos puntos de vista. Por tanto, deducimos que las dos representaciones son distintas estructuralmente distintas, aunque tengan coincidencias puntuales. Con relación a la no coincidencia de enlaces su explicación es lógica y sencilla. Los autores interactúan con la ciencia por medio de sus citas y nosotros, valiéndonos de la cocitación de categorías, transformamos esa interacción en representaciones gráficas. En el momento en que las interacciones de los autores, y por tanto sus cocitas, contrarrestan a las preestablecidas por la ínter citación de revistas, salen a la luz las relaciones entre categorías tal y como el conjunto de autores de un dominio las entienden y no como las predetermina el JCR. Hemos demostrado que la estructura de un dominio no es el reflejo de la ínter citación de revistas del JCR. Pero debemos recordar que el método utilizado para construir los scientogramas de dominios comienza por la cocitación de documentos y que se extiende hasta las categorías, por lo que habría que comprobar si la estructura de un dominio conseguida mediante la cocitación de categorías es lo que se pretende, y no un reflejo de la ínter citación de categorías extrapoladas a los documentos. 6.7.2. Ínter citación de Documentos La crítica a esta metodología, no quedaría del todo rebatida si no comparásemos el scientograma de un dominio obtenido mediante la ínter citación de documentos, con el del mismo dominio logrado por medio de la cocitación de categorías, propuesta en esta tesis. Utilizando la adscripción temática de los documentos según el criterio del JCR: documento ÅÆ revista ÅÆ categoría JCR, para posteriormente por medio de PFNETs, mostrar las relaciones más significativas entre categorías, Capítulo 6: Metodología - 160 - hemos construido un scientograma que muestra la estructura de la ínter citación de los documentos del JCR 8 ilustración 448 . - 161 - Ilustración 44. Scientograma de la Estructura del JCR 2002 construida a partir de sus documentos Capítulo 6: Metodología - 162 - Si comparamos el scientograma de cocitación del dominio cientifico español 8 ilustración 428 con el que se obtiene con la ínter citación de documentos, rápidamente llegaremos a la conclusión de que también son estructuras distintas. La estructura de uno no tiene prácticamente ningún parecido con la del otro. Resulta curioso que, pese a estar construidos ambos con la misma metodología y unidades de medida, el resultado sea tan diferente. La característica común de encontrar a la categoría Biochemistry & Molecular Biology como centro de los scientogramas, que se apreciaba al comparar el scientograma del dominio español con el de ínter citación de revistas, no se produce aquí. Tampoco es fácil encontrar cadenas de conexiones similares entre ambos scientogramas, como sí ocurría en el caso anterior. El número de enlaces comunes entre ambos es de 112, mientras que el de diferentes es de 102 8 anexo II8 . Como conclusión, desde el punto de vista de su conectividad tienen más cosas en común que lo que los separa, pero desde el punto de vista de su estructura ocurre lo contrario. Al igual que en el caso de la ínter citación de revistas, si trasladamos las categorías vinculadas en ambos scientograma a la estructura representada por la ínter citación de documentos, observaremos que algunas de ellas, pero no todas, están conectadas por enlaces fuertes. Nuevamente, esto no implica la prevalencia de la ínter citación sobre la cocitación, sino que como ocurría anteriormente, estamos representando un mismo objeto 8 la estructura científica de un dominio8 desde distintos puntos de vista, y las coincidencias de enlaces entre ambos no son más que el acuerdo existente entre ambos. 6.7.3. Ínter citación vs Scientogramas de Dominios Nos econtramos ante dos formas distintas de representar una misma estructura científica: una representada por la ínter citación del JCR, y otra por la cocitación del mismo. Esto da lugar a tres tipos de representaciones o Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 163 - scientogramas, que nosotros denominamos tangenciales: de ínter citación de revistas, de ínter citación de documentos y de cocitación de categorías. Donde cada uno de ellos ofrece una perspectiva distinta, pero complementaria, de un mismo dominio. El scientograma de ínter citación de revistas del JCR es un scientograma afianzado y consolidado de la ciencia, que se corresponde con el modelo o esquema mental que la sociedad en general tiene de la misma. Si lo observamos detenidamente, no encontramos enlaces extraños o débiles (de color rojo) entre categorías, como ocurre en el de cocitación de categorías de España. Esto sucede así porque representa a la ciencia desde un punto de vista restrospectivo y consolidado. Es decir, muestra las relaciones entre las distintas disciplinas científicas 8 categorías8 , una vez que estas han sido aceptadas y asumidas por la comunidad investigadora, por las revistas científicas y por el propio JCR. Y a partir de ese momento, por toda la sociedad. De ahí que no resulte extraño ninguno de sus enlaces. Por ejemplo, en un principio las revistas de Biblioteconomía y Documentación sólo pertenecía a la categoría Information Science & Library Science. Con el paso del tiempo y en la medida en que la publicación de trabajos relacionados con la informática, los sistemas de información, bibliometría, etc., se convirtieron en algo asiduo en muchas de ellas, los investigadores del campo de la Biblioteconomía y Documentación, empezaron a tomarlos como algo inherente a la misma. Hasta tal punto que cuando el JCR clasificó a algunas de las revistas de dicha área como pertenecientes también a otras categorías como Computer Science and Information System, a nadie le sorprendió y todo el mundo lo vio como algo lógico y congruente. ¿Quién nos dice que en un futuro, las revistas de biblioteconomía y Documentación no puedan pertenecer también al área de Computer Science, Software Graphics & Programming, por su reiterada aparición de artículos en estas revistas de trabajos relacionados con el uso de programas gráficos y programación para la visualización y la recuperación de la información? Capítulo 6: Metodología - 164 - En resumen, el scientograma del JCR es el reflejo del consenso científico existente entre investigadores, editores, distribuidores de publicaciones científicas, etc., y en definitiva de la sociedad en general. El scientograma de ínter citación de documentos, aunque pueda parecer extraño, ofrece una perspectiva de la ciencia desde el punto de vista de las revistas. Muestra las categorías más significativas de los documentos que se publican en ellas. Es decir, pone de manifiesto el contenido multidisciplinar de las revistas en que se publican los documentos, al tiempo que muestra sus categorías y relaciones más esenciales. Este scientograma está a medio camino entre la ínter citación de revistas y la cocitación de categorías. No es un scientograma tan estático ni consolidado como el de ínter citación de revistas, pues evoluciona en la medida en que se van incorporando nuevos contenidos a las revistas. Pero tampoco es un scientograma tan dinámico y cambiante como el de la cocitación de categorías. Su evolución no obedece únicamente a la variación del número de veces que una categoría está adjudicada a las revistas del JCR, como es el caso de la ínter citación de revistas, sino que también depende de la cantidad de documentos que aparezcan publicados bajo una misma revista con una determinada categoría. El scientograma de cocitación de categorías de un dominio representa la estructura de la ciencia desde el punto de vista de los autores. Refleja el uso que los investigadores hacen del conocimiento científico. Es por tanto un scientograma cambiante y versátil desde el punto de vista relacional. Ideal para el estudio de la evolución de la estructura científica de un dominio y para su comparación con otros. Por otra parte puede abarcar espacios temporales largos, cortos o muy cortos, en función del hecho que se pretenda analizar. Desde el punto de vista de la comparación de los scientogramas, sus coincidencias estructurales, de enlaces, de patrones de conexión, etc., no hacen más que poner de manifiesto el aspecto más estable de la ciencia, la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 165 - que no ha evolucionado y por tanto no ha cambiado en un dominio. Destaca como el modelo más tradicional, representado por la intercitación, persiste con el más evolucionado como es el de la cocitación. Por el contrario, sus diferencias muestran la evolución de la ciencia en general y concretamente qué disciplinas son las que cambian y cómo lo hacen por medio de las categorías y sus enlaces. Una vez superada esta cuestión, centraremos nuestro estudio en los de cocitación de categorías, tal y como era nuestra intención original, pues consideramos que ofrecen la visión más actual y versátil de la estructura científica de un dominio. 6.8. Análisis y Comparación de Dominios Nuestros scientogramas pueden ser de gran utilidad para simplificar y visualizar aspectos que de otra forma permanecerían ocultos. Aún así, son complejos. Pero como se dice en el Capítulo 1, nuestro objetivo no es sólo generar visualizaciones de grandes dominios científicos, sino también propiciar su análisis. El análisis de dominios consiste en hacer un mapa de los componentes o disciplinas, campos o especialidades más obvias en un área de conocimiento en general? donde los mapas son formas de clasificación automática, en los que se representan descriptores, documentos, las obras completas de un autor o revistas, y los datos básicos son a menudo contados como concurrencias?(Hjørland, B., 2002). En consonancia con lo que dice Hjørland, hemos construido scientogramas con los campos o especialidades más obvias a partir de sus coocurrencias. Además, proponemos una metodología para estudiar y comparar de forma detallada dichos scientogramas. Capítulo 6: Metodología - 166 - Desde la perspectiva de los scientogramas de grandes dominios científicos, intentar realizar un análisis macroestructural sin ningún tipo de poda de enlaces, es algo prácticamente imposible. La dificultad estriba en la propia interdisciplinaridad de la ciencia y como consecuencia en la multitud de relaciones emergentes entre las distintas categorías, pues prácticamente todas se relacionan con todas. Como se suele decir, los árboles no nos dejarían ver el bosque. Y en este caso, la multitud de enlaces entre categorías serían las que nos impedirían detectar la estructura general o macroestructura, como se puede ver en la siguiente ilustración. - 167 - Ilustración 45. Red social de la estructura del dominio científico español 2002, con todas sus relaciones Capítulo 6: Metodología - 168 - Por tanto, para una mejor visualización, comprensión, e incluso posibilidad de hacer browsing sobre la macroestructura geográfica del dominio, recurrimos de nuevo a los scientogramas PFNETs, y no a la visualización completa de la estructura de los mismos, con la totalidad de relaciones. 6.8.1. Agrupaciones intelectuales Una de las dudas que puede plantear la esquematización de dominios mediante PFNET, es si la representación que se obtiene refleja fielmente la estructura y distribución del dominio original, del cual procede. Para corroborar su correspondencia, seguimos el siguiente proceso: x Realizamos análisis factorial de la matriz de cocitación original. x Indicamos el número de factores detectados con una varianza mayor o igual a uno. x Mostramos los elementos de cada factor y su varianza acumulada. x Denominamos cada factor según los métodos utilizados por otros autores. x Revisamos y comentamos el Análisis factorial obtenido. A continuación, trasladamos los resultados anteriores al scientograma PFNET, para ello: x Asignamos un mismo color a las categorías 8 nodos8 que componen cada uno de los distintos factores detectados en la matriz original. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 169 - x Mostramos e identificamos el número y porcentaje de nodos factorizados y no factorizados. x Detectamos la posible dispersión de nodos de un mismo factor por el dominio PFNET. La realización de este proceso no sólo nos permite mostrar el grado de adecuación entre la matriz original y el dominio PFNET. También detecta e identifica las agrupaciones intelectuales en forma de grandes áreas temáticas, proporcionando además una imagen de la estructura semántica subyacente del dominio. Este fenómeno se puede apreciar en la siguiente ilustración. - 170 - Ilustración 46. Scientograma del Dominio Científico Mundial 2002. Combinación de PFNETs y Análisis Factorial Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 171 - 6.8.2. Análisis de un Dominio 6.8.2.1. Macroestructura Una vez confirmada la correspondencia entre el dominio original y su álter ego, nos encontramos en disposición de obtener una visión global de la estructura geográfica del dominio o macroestructura. Para este fin, seguimos los siguientes pasos: x Generamos un nuevo scientograma simplificado por medio de la representación gráfica de las áreas temática y sus relaciones. x Situamos espacialmente cada una de las áreas temáticas y establecemos su relación geográfica con el scientograma factorial del que procede. x Localizamos la estructura básica macroestructural mediante las agrupaciones de las áreas temáticas. x Detectamos la figura macroestructural central. Comentamos la causa de esta posición y sus consecuencias. Hacemos lo mismo con las agrupaciones de áreas temáticas periféricas. x Localizamos el área temática central. Estudiamos que implicaciones tiene dicha posición, qué repercusiones tiene en el dominio y como afecta al resto de áreas temáticas. x Indicamos la posición geográfica del resto de áreas temáticas y explicamos como afecta su ubicación al desarrollo del dominio. Capítulo 6: Metodología - 172 - 6.8.2.2. Microestructura Lo primero que haremos será realizar una descripción general de los elementos que componen el dominio y su entorno. Para ello, seguimos los siguientes pasos: x Indicamos el número total de categorías que conforman la estructura de cada dominio. Resaltamos el hecho de que existen unas pocas categorías de gran tamaño 8 mucha producción8 y otras muchas con un tamaño pequeño 8 poca producción8 . Lo cual pone de manifiesto la naturaleza hiperbólica típica de las distribuciones bibliométricas. x Observamos si todas las categorías están conectadas o, si por el contrario, hay alguna aislada. Si hay categorías aisladas, explicamos cuáles y la causa de su desconexión. x Indicamos si el modelo de conexión de los categorías es del tipo centro-periferia. Es decir, si hay un categoría central que sirve de conexión a otras que están a su alrededor. Observamos si existe coincidencia entre la categoría más central y la más prominente, entendiendo por prominente aquella cuyos enlaces la hacen particularmente visible con respecto al resto. De ser así, hacemos hincapié en que esto es un hecho muy común e incluso necesario, desde el punto de vista de las redes sociales. x Mediante la medida de centralidad de grado, detectamos la categoría más central. A partir de ella y a través de los paths de cada categoría, elaboramos un ranking de cercanía de cada una de ellas con respecto al centro. Por medio de algoritmos relacionados con el análisis de redes sociales, detectamos los nodos más prominentes del dominio. Realizamos un estudio de las distintas medidas obtenidas y comentamos los resultados. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 173 - 6.8.2.3. Columna Vertebral Por medio de la cocitación, es decir, a través de la observación de los encadenamientos que se producen entre categorías por medio de los enlaces más significativos 8 gruesos8 de un scientograma, identificaremos la columna vertebral del dominio, con el fin de estudiarlo por separado. Para ello: x Identificaremos las áreas temáticas que conforman la columna vertebral. x Detectaremos paths de largo recorrido en cada una de dichas áreas temáticas. x Comentaremos las características significativas de las categorías que conforman esta columna vertebral. 6.8.2.4. Análisis de Superficie Explorar o realizar el recorrido geográfico por la superficie del dominio, visitando los distintos nodos que lo componen a través de las conexiones o enlaces que los unen, nos permite poner de manifiesto la estructura semántica del dominio, a la vez que propicia la explicación y descripción de los aspectos relacionados con los nodos y enlaces que encontramos en nuestra ruta. Para ello: x Antes de comenzar el recorrido, estudiamos las conexiones entre categorías, pues son el hilo conductor de la estructura del dominio. Detectamos los enlaces de mayor y menor valor 8 grosor8 del dominio. A partir de ellos calculamos tres intervalos proporcionales y por tanto, tres tipos de enlaces en función de su grado de cocitación: fuertes, intermedios y débiles. Capítulo 6: Metodología - 174 - x A continuación, partiendo de la categoría más central y siguiendo el sentido de las agujas del reloj, empezando por las doce en punto, comenzamos a explorar la superficie del dominio a través de sus enlaces. x A medida que vamos avanzando por la estructura del dominio, vamos explicando las causas de las conexiones entre las categorías. Es decir, mediante las consultas insertadas en los enlaces, accedemos a la información que dio lugar a cada conexión entre categorías, justificando las conexiones extrañas entre categprçoas 8 enlaces de color rojo8 , en el caso de que existan. x En la medida que se quiera descender en el análisis, mediante una de ordenación por relevancia(Moya Anegón, F. d. [et al.] , En prensa), es posible averiguar en qué medida contribuye cada categoría a la consecución del enlace que lo une con otra. Es decir, se puede determinar cual es la transferencia de información entre categorías, o lo que es lo mismo: qué aporta cada categoría a otra: tecnología, metodología, etc. Incluso se puede saber en qué medida, el enlace que une dos categorías está provocado por categorías distintas a las que están unidas por el mismo. El análisis de superficie, por su laboriosidad, no se realizará en esta tesis. No obstante, su metodogía queda aquí expuesta para trabajos futuros. 6.8.3. Comparación de Dominios Independientemente de que se pretendan cotejar scientogramas de diferentes dominios, o estudiar la evolución temporal de alguno de ellos, para su comparación, proponemos el método que se muestra a continuación. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 175 - 6.8.3.1. Macroestructura Al igual que ocurría en el análisis de un dominio, es importante confirmar la equivalencia entre las estructuras originales y su correspondientes simplificaciones PFNETs. Además, de esta forma conseguimos sacar a la luz su estructuras intelectuales, y las áreas temáticas que los componen. Una vez confirmada dicha correspondencia, estamos en disposición de poder comparar sus macroestructuras. Para ello, en primer lugar, comparamos los resultados obtenidos como consecuencia de aplicar análisis factorial sobre sus matrices originales. x Confrontamos el número de factores detectados en cada dominio y comparamos: denominación, tamaño, varianza y orden de cada factor, y total de varianza acumulada. Esto, desde un punto de vista numérico, nos permite obtener una primera aproximación detallada de las diferencias macroestructurales de los distintos scientogramas. A continuación, para obtener una imagen gráfica y poder realizar las comparaciones de forma visual, trasladamos los resultados obtenidos mediante PCA a sus correspondientes scientogramas. Para ello, asignamos un mismo color a los nodos que componen cada uno de los distintos factores detectados en la matriz original. x Indicamos el número de categorías factorizadas y no factorizadas, asignándoles un color distinto para distinguirlas del resto. x Contrastamos si en todos los dominios o scientogramas evolutivos, el modelo de conexión de los factores es del tipo centro periferia, tratando de identificar algún patron de conexión. Capítulo 6: Metodología - 176 - x Establecemos coincidencias geográficas entre los factores de los distintos scientogramas. Estudiamos si dichas posiciones son relativas o absolutas y si es posible, cuáles son siempre relativas y cuáles absolutas. Se detectarán especialidades por medio de la identificación de factores más pequeños dentro de factores más grandes. Además, en los scientogramas evolutivos, localizaremos factores cuyos nodos estén dispersos por el scientograma y estudiaremos su evolución. x Mediante las medidas de centralidad, identificamos al factor más central, y a través de algoritmos específicos, detectamos e identificamos a los factores más prominentes de cada dominio y su grado. Comparamos las distintas medidas y estudiamos su evolución, si la hubiese. x Indicamos y estudiamos los paths de conexión entre factores, para detectar si hay cambios en las sencuencias de las categorías. x Identificamos los puntos de confluencia entre factores. Es decir, destacamos aquellos nodos o categorías con una adscripción factorial múltiple, pues son el puente o punto de intercambio de conocimientos entre los factores. Comprobamos si son los mismos en los distintos scientogramas y si ponen en contacto a los mismos factores en los distintos scientogramas de dominios. x Detectamos cambios de adscripción de nodos en los factores de los distintos dominios y comentamos su evolución. Este apartado es muy importante para detectar la evolución o cambios disciplinares de uno o varios dominios. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 177 - 6.8.3.2. Microestructura Para realizar el análisis comparativo microestructural de varios dominios, o de la evolución de alguno de ellos, comenzamos por contrastar los elementos generales de cada dominio y de su entorno. x Para determinar la evolución o cambios de la producción por categorías, comparamos el número de nodos que componen cada dominio. Hacemos especial énfasis en si aparecen o desaparecen nuevos nodos. En la medida en que se estime oportuno, se puede comparar la producción entre categorías puntuales. x Detectamos desconexiones en los dominios y sus causas. Para ello, identificamos las categorías aisladas de cada scientograma, indicamos si son las mismas en los distintos dominios o scientogramas evolutivos, y explicamos las causas de su aislamiento. x Comprobamos si en todos los dominios o scientogramas evolutivos, el modelo de conexión de las categorías es del tipo centro-periferia. x Mediante las medidas de centralidad, identificamos las categorías más centrales de cada dominio y las distancias del resto con respecto a ellas. A través de algoritmos específicos, detectamos e identificamos a las categorías más prominentes de cada dominio. Comparamos las distintas medidas y estudiamos su evolución si la hubiese. x Estudiamos la naturaleza de las categorías prominentes que son el origen de un área temática. Capítulo 6: Metodología - 178 - 6.8.3.3. Columna Vertebral Una vez identificadas y extraídas las secuencias más significativas de cada uno de los dominios que se pretenden comparar: x Compararemos las áreas temáticas que conforman la columna vertebral de cada dominio. x Confrontaremos los paths de largo recorrido en cada una de los dominios. x Enfrentamos las categorías más significativas de cada dominio, así como sus características principales. 6.8.3.4. Comparación de Superficies A nivel de superficie resulta muy difícil, por laborioso y llevar a cabo una comparación microestructural de los diferentes scientogramas, por medio de la exploración de sus enlaces, tal y como se propone en el caso del análisis de dominios. Por ello, desarrollamos una aproximación menos exhaustiva, pero que nos permite igualmente confrontar las microestructuras de los diferentes dominios. No obstante y al igual que en el caso del análisis de un dominio, no se realizará en esta tesis, aunque su metodogía queda aquí expuesta para futuros trabajos. Para comparar las superficies de dos dominios, realizaremos las siguientes tareas: x Detección de conexiones entre categorías que permanezcan invariables en los distintos dominios o scientogramas evolutivos objeto de análisis. x Detección e identificación de categorías cuyos vínculos cambian en los distintos scientogramas y estudio de su evolución. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 179 - Cuando se estime oportuno, como por ejemplo para explicar casos como el de conexiones extrañas entre categorías, cambios de vinculación entre las mismas en diferentes scientogramas, etc., se puede recurrir al análisis pormenorizado de las conexiones entre nodos, así como al estudio de la dirección de la transferencia de información entre los mismos. Capítulo 6: Metodología - 180 - 6.8.4. Evolución de un Dominio El consenso general tanto en el campo de la visualización de la información como en el de la cartografía geográfica, es que varios mapas de un mismo objeto de estudio, son mejores que un solo mapa. Esto es así, porque cada mapa puede proporcionar una perspectiva diferente. El precursor del estudio de la ciencia por medio de sucesiones de mapas fue Garfield, E. (1994) y para ello introdujo el concepto de mapas longitudinales, que consisten en una serie de mapas cronológicos secuenciales, a partir de los cuales es posible estudiar la evolución del conocimiento científico. El proceso que seguiremos para el estudio evolutivo no difiere sustancialmente del presentado en el apartado 6.8.3, por lo que no lo presentamos in extenso y nos remitimos a dicho apartado. - 181 - PARTE ANALÍTICA Capítulo 7: Resultados - 182 - 7. Resultados Los resultados se presentan en tres grandes apartados. El primero es la scientografía y análisis de un gran dominio geográfico: el mundo. El segundo es el análisis comparado de dos grandes dominios geográficos: Estados Unidos y la Unión Europea. Y el tercero es el estudio evolutivo de otro gran dominio, España. 7.1. Scientografía y Análisis del Mundo 2002 7.1.1. Scientograma El scientograma de la de la siguiente ilustración, nos muestra la producción científica mundial por medio de las categorías ISI. Dicho scientograma es la visualización que se obtiene como consecuencia de aplicar nuestra metodología, y representar gráficamente los 901.493 documentos científicos recogidos en las bases de datos del ISI, agrupados en las 218 categorías del JCR con producción en el año 2002. La correspondencia entre cada una de dichas categorías y su producción, se puede observar en la tabla 4. - 183 - Ilustración 47. Scientograma mundial, 2002 Capitulo 7: Resultados - 184 - Categoría Prod. Categoría Prod. ENERGY & FUELS 4826 MEDICINE, LEGAL 1004 GEOSCIENCES, INTERDISCIPLINARY 11812 ANTHROPOLOGY 3100 ENGINEERING, PETROLEUM 1527 PERIPHERAL VASCULAR DISEASE 9439 GASTROENTEROLOGY & HEPATOLOGY 9356 REHABILITATION 2927 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 11441 SPORT SCIENCES 4933 MATHEMATICS 13668 INSTRUMENTS & INSTRUMENTATION 7366 MEDICINE, GENERAL & INTERNAL 22619 GEOCHEMISTRY & GEOPHYSICS 8730 EDUCATION, SCIENTIFIC DISCIPLINES 1451 MINERALOGY 1715 MEDICAL INFORMATICS 1212 ENGINEERING, ENVIRONMENTAL 4278 ENTOMOLOGY 3963 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 2951 CHEMISTRY, MULTIDISCIPLINARY 22598 DEVELOPMENTAL BIOLOGY 3879 CONSTRUCTION & BUILDING TECHNOLOGY 1948 ANDROLOGY 344 MATERIALS SCIENCE, MULTIDISCIPLINARY 28804 ENGINEERING, BIOMEDICAL 4384 COMPUTER SCIENCE, THEORY & METHODS 7146 OCEANOGRAPHY 5731 COMPUTER SCIENCE, INFORMATION SYSTEMS 4692 PSYCHOLOGY 3635 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 4504 NUCLEAR SCIENCE & TECHNOLOGY 7150 MATHEMATICS, APPLIED 13509 CHEMISTRY, APPLIED 5868 ACOUSTICS 3326 PHYSICS, FLUIDS & PLASMAS 5918 CARDIAC & CARDIOVASCULAR SYSTEMS 14392 INFORMATION SCIENCE & LIBRARY SCIENCE 8096 RESPIRATORY SYSTEM 6753 PHYSICS, PARTICLES & FIELDS 8385 AGRICULTURE, DAIRY & ANIMAL SCIENCE 4441 CHEMISTRY, MEDICINAL 6148 AGRICULTURA 4799 MATERIALS SCIENCE, PAPER & WOOD 1039 AGRICULTURE, SOIL SCIENCE 2695 ERGONOMICS 584 NUTRITION & DIETETICS 5775 SPECTROSCOPY 6049 FOOD SCIENCE & TECHNOLOGY 8184 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 3774 ANESTHESIOLOGY 5229 ENGINEERING, MARINE 149 ANATOMY & MORPHOLOGY 1327 THERMODYNAMICS 3452 ENGINEERING, AEROSPACE 2510 MATERIALS SCIENCE, COATINGS & FILMS 3210 ASTRONOMY & ASTROPHYSICS 12279 FISHERIES 330 BIOCHEMISTRY & MOLECULAR BIOLOGY 54972 LIMNOLOGY 1240 PLANT SCIENCES 13869 MATHEMATICS, MISCELLANEOUS 1009 ZOOLOGY 7116 GEOGRAPHY 1867 BIOLOGY 5763 ORNITHOLOGY 988 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 13477 MATERIALS SCIENCE, BIOMATERIALS 1555 SURGERY 24490 GEOLOGY 160 CRYSTALLOGRAPHY 6277 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 5709 BIOCHEMICAL RESEARCH METHODS 8749 HORTICULTURE 2209 CELL BIOLOGY 19834 COMPUTER SCIENCE, CYBERNETICS 866 DERMATOLOGY & VENEREAL DISEASES 5902 TRANSPLANTATION 4546 ENDOCRINOLOGY & METABOLISM 12054 PSYCHOLOGY, EXPERIMENTAL 3367 HEMATOLOGY 10977 PSYCHOLOGY, MATHEMATICAL 421 ENVIRONMENTAL SCIENCES 14394 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 1227 WATER RESOURCES 5729 ENGINEERING, CIVIL 4991 MARINE & FRESHWATER BIOLOGY 6881 MINING & MINERAL PROCESSING 1474 METALLURGY & METALLURGICAL ENGINEERING 8422 PHYSICS, MATHEMATICAL 7856 MECHANICS 9436 ELECTROCHEMISTRY 3633 MEDICINE, RESEARCH & EXPERIMENTAL 9694 PSYCHOLOGY, DEVELOPMENTAL 2670 NEUROSCIENCES 26350 EDUCATION & EDUCATIONAL RESEARCH 4337 CLINICAL NEUROLOGY 18324 ENGINEERING, INDUSTRIAL 2796 PATHOLOGY 7041 MYCOLOGY 123 OBSTETRICS & GYNECOLOGY 7857 PSYCHOLOGY, EDUCATIONAL 1310 DENTISTRY, ORAL SURGERY & MEDICINE 4990 ENVIRONMENTAL STUDIES 2913 ECOLOGY 7837 SOCIAL SCIENCES, BIOMEDICAL 898 ONCOLOGY 20330 PSYCHOLOGY, BIOLOGICAL 1144 OPHTHALMOLOGY 6396 SOCIOLOGY 477 ORTHOPEDICS 5528 LAW 3518 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 185 - OTORHINOLARYNGOLOGY 3705 MICROSCOPY 871 PEDIATRICS 10465 REMOTE SENSING 1071 PHARMACOLOGY & PHARMACY 25888 TRANSPORTATION 332 PHYSICS, MULTIDISCIPLINARY 18056 PSYCHOLOGY, CLINICAL 4384 PHYSIOLOGY 9919 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 958 POLYMER SCIENCE 11201 MATERIALS SCIENCE, TEXTILES 958 PHYSICS, APPLIED 25579 ECONOMICS 9053 ENGINEERING, CHEMICAL 12407 SOCIAL SCIENCES, MATHEMATICAL METHODS 1247 PSYCHIATRY 13953 BUSINESS 2822 TROPICAL MEDICINE 1517 MANAGEMENT 3253 PARASITOLOGY 2384 URBAN STUDIES 142 VETERINARY SCIENCES 10662 SOCIAL SCIENCES, INTERDISCIPLINARY 2423 VIROLOGY 4649 PLANNING & DEVELOPMENT 2046 SUBSTANCE ABUSE 1801 BUSINESS, FINANCE 1594 ENGINEERING, MECHANICAL 8464 SOCIAL ISSUES 1104 MICROBIOLOGY 13210 PUBLIC ADMINISTRATION 1191 STATISTICS & PROBABILITY 4609 SOCIAL WORK 1354 PHYSICS, NUCLEAR 6102 PSYCHOLOGY, SOCIAL 2206 OPTICS 11449 NURSING 2459 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 11526 WOMEN'S STUDIES 1138 BIOPHYSICS 10507 AREA STUDIES 2830 CHEMISTRY, ORGANIC 17006 POLITICAL SCIENCE 5526 CHEMISTRY, ANALYTICAL 13445 CRIMINOLOGY & PENOLOGY 1023 MEDICAL LABORATORY TECHNOLOGY 2455 INTERNATIONAL RELATIONS 2569 CHEMISTRY, PHYSICAL 24789 EDUCATION, SPECIAL 670 MATERIALS SCIENCE, COMPOSITES 2789 ARCHAEOLOGY 1560 REPRODUCTIVE BIOLOGY 3951 HISTORY 20147 GENETICS & HEREDITY 13023 FAMILY STUDIES 1498 IMMUNOLOGY 18431 HISTORY OF SOCIAL SCIENCES 1357 ENGINEERING, ELECTRICAL & ELECTRONIC 24042 PSYCHOLOGY, PSYCHOANALYSIS 870 CHEMISTRY, INORGANIC & NUCLEAR 10402 LANGUAGE & LINGUISTICS 3045 PHYSICS, CONDENSED MATTER 21990 PSYCHOLOGY, APPLIED 1968 AUTOMATION & CONTROL SYSTEMS 3365 HEALTH POLICY & SERVICES 2397 METEOROLOGY & ATMOSPHERIC SCIENCES 7581 PHILOSOPHY 4319 BEHAVIORAL SCIENCES 3967 ETHNIC STUDIES 368 TOXICOLOGY 7236 INDUSTRIAL RELATIONS & LABOR 804 GERIATRICS & GERONTOLOGY 2502 COMMUNICATION 1578 ENGINEERING 4199 DEMOGRAPHY 768 AGRICULTURAL ECONOMICS & POLICY 411 ENGINEERING, GEOLOGICAL 1214 FORESTRY 2406 HEALTH CARE SCIENCES & SERVICES 4094 HISTORY & PHILOSOPHY OF SCIENCE 2164 LITERATURE, ROMANCE 3864 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 6805 THEATER 1423 ENGINEERING, MANUFACTURING 3329 LITERARY REVIEWS 3956 INFECTIOUS DISEASES 8095 LITERATURE, SLAVIC 373 RHEUMATOLOGY 3394 ENGINEERING, OCEAN 752 UROLOGY & NEPHROLOGY 8818 MUSIC 7227 TELECOMMUNICATIONS 4275 LITERATURE 7048 PALEONTOLOGY 1566 POETRY 558 ALLERGY 2203 LITERATURE, AMERICAN 657 BIOLOGY, MISCELLANEOUS 2276 ARTS & HUMANITIES, GENERAL 10170 MATERIALS SCIENCE, CERAMICS 4675 ARCHITECTURE 1493 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 12321 ART 6189 EMERGENCY MEDICINE & CRITICAL CARE 1403 RELIGION 5769 Tabla 4. Relación categorías JCR y producción mundial 2002 Capitulo 7: Resultados - 186 - Con el fin de favorecer la comprensión del scientograma, cada esfera ha sido etiquetada con el nombre de su correspondiente categoría del JCR, a la cual representa, y se le ha dado un tamaño variable que es directamente proporcional a la cantidad de documentos que aglutina. Para ayudar a establecer visualmente la relación entre el tamaño de cada una de las categorías y su producción real, en la parte inferior izquierda del scientograma, se ha representado una esfera de referencia con un tamaño equivalente a mil documentos. Las líneas que conectan las distintas esferas, son las relaciones de cocitación más significativas o esenciales entre categorías, pues las más superfluas se han eliminado mediante PFNETs. Estas relaciones son más o menos gruesas dependiendo de su intensidad de cocitación 8 a mayor intensidad, mayor grosor8 . Y en todo caso, representan el punto de vista consensuado de 1.751.996 autores, por medio de sus 25.682.754 citas. La distribución espacial de las categorías en el scientograma, se realiza por medio del algoritmo de Kamada, T. y Kawai, S. (1989). Además su disposición estructural está determinada por el tándem: valor de cocitación de categorías sin normalizar, en combinación con PFNETs. El tándem cocitación pura más PFNETs, no sólo hace aflorar las áreas temáticas alrededor de categorías prominentes a modo de racimos, sino que las encadena en secuencias explícitas. El orden de las categorías que producen ese encadenamiento no es arbitrario, y revela cómo los racimos o áreas temáticas se conectan entre sí. De esta forma, las conexiones entre categorías y categorías prominentes revelan áreas temáticas, y las conexiones entre categorías prominentes revelan como se conectan las áreas temáticas. Por ejemplo a simple vista, a partir de la ilustración anterior, podemos distinguir un gran racimo central rodeado por otros menores, distribuidos por toda la superficie del scientograma. Si nos fijamos en este racimo del centro y en otro de los que se producen en la parte inferior, podremos descubrir el siguiente encadenamiento: Biochemistry & Molecular Biology ÅÆ Neurosciences ÅÆ Clinical Neurology ÅÆ Psychiatry Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 187 - ÅÆ Psychology. Este path, indica que en el scientograma aparecen dos grandes áreas temáticas que podríamos denominar como Biomedicina, y Psicología, cuyas categorías más prominentes son Biochemistry & Molecular Biology, y Psychology respectivamente, las cuales están conectadas por otras categorías intermedias como son Neurosciences, Clinical Neurology, y Psychiatry. Lo mismo podríamos decir, entre otros, del encadenamiento de la zona central izquierda: Mathematics Miscellaneous ÅÆ Social Sciences Mathematical Methods ÅÆ Economics ÅÆ History of Social Sciences ÅÆ History, que muestra cómo se conectan dos áreas temáticas que podríamos denominar como Matemáticas, y Humanidades. Estos paths son muy importantes, pues muestran el hilo conductor que mantiene unida la estructura científica de un dominio. Lo cierto es que este tándem captura bastante bien la estructura del dominio, al tiempo que revela las áreas temáticas que lo componen. Pero no las identifica ni las delimita, como sí hacen otras técnicas estadísticas como el análisis factorial. 7.1.2. Análisis Factorial La detección de las principales áreas temáticas del scientograma, las obtenemos a través de análisis factorial (AF). Para ello aplicamos una variante del AF denominado análisis de componentes principales (ACP), con una rotación varimax 8 donde se reemplazan los valores perdidos (missing values) por la media8 , sobre la matriz de cocitación original de 218 x 218 categorías, con valores de cocitación puros y normalizados. El análisis factorial identifica treinta y tres factores en la matriz de cocitación de 218 x 218 categorías. El criterio adoptado para detener la extracción de factores ha sido la obtención un eigenvalue mayor o igual a Capitulo 7: Resultados - 188 - uno 3 . De los treinta y tres factores identificados hemos extraído dieciséis, de acuerdo con el test scree 4 , los cuales acumulan un 70.2% de la varianza 8 tabla 58 . Factor Eigenvalue % varianza % acumulado de varianza 1 42.255 19.4 19.4 2 24.14 11.1 30.5 3 15.472 7.1 37.6 4 12.655 5.8 43.4 5 10.069 4.6 48 6 8.272 3.8 51.8 7 6.815 3.1 54.9 8 6.298 2.9 57.8 9 4.668 2.1 59.9 10 4.517 2.1 62 11 4.195 1.9 63.9 12 3.601 1.7 65.6 13 3.029 1.4 67 14 2.567 1.2 68.1 15 2.321 1.1 69.2 16 2.16 1 70.2 Tabla 5. Eigenvalues de los dieciséis primeros factores correpondientes al dominio mundial, 2002 Con el fin de captar la naturaleza de cada factor y poder categorizarlo, hemos seguido la metodología propuesta por Moya Anegón, F. d., Jiménez Contreras, E., y Moneda Carrochano, M. d. l. (1998). Para ello hemos ordenado los factores por su índice de ponderación 8 factor loading8 en orden decreciente y hemos considerado como límite de pertenencia a un factor el valor igual o superior a 0.5, mientras que para su 3 Este criterio tan simple funciona bastante bien, pues ofrece unos resultados muy acordes con las expectativas de los investigadores(Ding, Y., Chowdhury, G. G., y Foo, S., 1999). 4 El test scree consiste en el examen de la línea que se obtiene al representar gráficamente los eigenvalues de los factores identificados. La extracción de factores se detiene cuando la línea de los eigenvalues comienza a nivelarse, formando prácticamente una línea paralela al eje, sin apenas pendiente(Lewis-Beck, M. S., 1994). Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 189 - denominación sólo hemos tenido en cuenta las categorías de cada factor con un valor mayor o igual a 0.7. Factor 1 % varianza Factor 2 % varianza Biomedicina 19.4 Psicología 11.1 ENDOCRINOLOGY & METABOLISM 0.951 PSYCHOLOGY, SOCIAL 0.915 MEDICINE, RESEARCH & EXPERIMENTAL 0.948 PSYCHOLOGY, DEVELOPMENTAL 0.851 ONCOLOGY 0.936 FAMILY STUDIES 0.832 PATHOLOGY 0.929 SOCIAL WORK 0.823 UROLOGY & NEPHROLOGY 0.923 CRIMINOLOGY & PENOLOGY 0.812 MEDICAL LABORATORY TECHNOLOGY 0.914 PSYCHOLOGY, CLINICAL 0.810 PHYSIOLOGY 0.907 PSYCHOLOGY, EDUCATIONAL 0.806 IMMUNOLOGY 0.891 PSYCHOLOGY, APPLIED 0.805 GASTROENTEROLOGY & HEPATOLOGY 0.890 EDUCATION & EDUCATIONAL RESEARCH 0.798 DERMATOLOGY & VENEREAL DISEASES 0.883 PSYCHOLOGY, PSYCHOANALYSIS 0.795 PHARMACOLOGY & PHARMACY 0.878 WOMEN'S STUDIES 0.780 BIOPHYSICS 0.878 SUBSTANCE ABUSE 0.692 BIOLOGY 0.874 PSYCHOLOGY, EXPERIMENTAL 0.667 DEVELOPMENTAL BIOLOGY 0.861 SOCIAL SCIENCES, INTERDISCIPLINARY 0.656 GENETICS & HEREDITY 0.860 PSYCHOLOGY 0.650 NUTRITION & DIETETICS 0.858 COMMUNICATION 0.594 OPHTHALMOLOGY 0.855 SOCIAL SIGUES 0.574 GERIATRICS & GERONTOLOGY 0.851 ERGONOMICS 0.539 RHEUMATOLOGY 0.850 PSYCHOLOGY, MATHEMATICAL 0.539 ANATOMY & MORPHOLOGY 0.848 PSYCHIATRY 0.538 CELL BIOLOGY 0.834 SOCIAL SCIENCES, BIOMEDICAL 0.537 VIROLOGY 0.823 EDUCATION, SPECIAL 0.536 HEMATOLOGY 0.821 MEDICINE, GENERAL & INTERNAL 0.812 PEDIATRICS 0.810 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.806 TOXICOLOGY 0.804 NEUROSCIENCES 0.793 ANDROLOGY 0.782 BIOCHEMICAL RESEARCH METHODS 0.759 VETERINARY SCIENCES 0.753 MICROBIOLOGY 0.752 REPRODUCTIVE BIOLOGY 0.751 RESPIRATORY SYSTEM 0.749 MICROSCOPY 0.748 OBSTETRICS & GYNECOLOGY 0.746 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.724 DENTISTRY, ORAL SURGERY & MEDICINE 0.721 SURGERY 0.711 PERIPHERAL VASCULAR DISEASE 0.685 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.685 PLANT SCIENCES 0.669 CARDIAC & CARDIOVASCULAR SYSTEMS 0.663 PARASITOLOGY 0.659 CHEMISTRY, ANALYTICAL 0.642 TRANSPLANTATION 0.636 MYCOLOGY 0.620 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.612 ALLERGY 0.608 ZOOLOGY 5 OTORHINOLARYNGOLOGY 0.599 SPORT SCIENCES 0.597 CLINICAL NEUROLOGY 0.594 INFECTIOUS DISEASES 0.591 CHEMISTRY, MEDICINAL 0.583 MEDICINE, LEGAL 0.575 ANESTHESIOLOGY 0.558 BIOLOGY, MISCELLANEOUS 0.544 ENGINEERING, BIOMEDICAL 0.527 ENTOMOLOGY 0.511 EMERGENCY MEDICINE & CRITICAL CARE 0.510 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.506 FOOD SCIENCE & TECHNOLOGY 0.501 Tabla 6. Factores 1 y 2 con factor loadings mayores o iguales a 0.5 Capitulo 7: Resultados - 190 - Factor 1: Biomedicina. El factor uno, es el mayor de los dieciséis factores identificados, en cuanto a número de categorías. Por sí sólo explica el 19.4% de la varianza. Está compuesto por sesenta y tres categorías 8 coloreadas de rojo y naranja8 , que suponen el 28.9% de las doscientas dieciocho categorías que forman la matriz de cocitación. Intentar categorizar este factor en vista de las treinta y nueve categorías que hemos considerado útiles para su denominación, con un valor mayor o igual a 0.7 8 sólo de color rojo8 , no es una tarea fácil debido a su diversidad. Pero tras una observación detenida de las categorías y estableciendo puentes con sus equivalentes de lo que serían las disciplinas en la ciencia, cuando ha sido posible, hemos llegado a la conclusión de que la mejor denominación para este factor es: Biomedicina. Factor 2: Psicología. Constituido por veintidós categorías, el 10.1% del total, acumula el 11.1% de la varianza. A la vista de las once primeras categorías, es decir, de las que tienen un factor loading superior o igual a 0.7, la denominación de este factor es obvia. Factor 3 % varianza Factor 4 % varianza Ciencias de los Materiales y Física Aplicada 7.1 Ciencias de la Tierra y del Espacio 5.8 MATERIALS SCIENCE, CERAMICS 0.932 GEOLOGY 0.912 MATERIALS SCIENCE, COATINGS & FILMS 0.873 PALEONTOLOGY 0.895 METALLURGY & METALLURGICAL ENGINEERING 0.859 METEOROLOGY & ATMOSPHERIC SCIENCES 0.879 PHYSICS, APPLIED 0.822 OCEANOGRAPHY 0.878 PHYSICS, CONDENSED MATTER 0.818 ASTRONOMY & ASTROPHYSICS 0.875 POLYMER SCIENCE 0.781 GEOCHEMISTRY & GEOPHYSICS 0.844 CHEMISTRY, PHYSICAL 0.771 MINERALOGY 0.740 MATERIALS SCIENCE, MULTIDISCIPLINARY 0.757 ENGINEERING, GEOLOGICAL 0.736 ELECTROCHEMISTRY 0.742 ENGINEERING, OCEAN 0.735 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.729 REMOTE SENSING 0.729 PHYSICS, MULTIDISCIPLINARY 0.717 GEOSCIENCES, INTERDISCIPLINARY 0.722 INSTRUMENTS & INSTRUMENTATION 0.684 ENGINEERING, AEROSPACE 0.673 OPTICS 0.676 GEOGRAPHY 0.635 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.670 LIMNOLOGY 0.567 CRYSTALLOGRAPHY 0.668 ENGINEERING, PETROLEUM 0.546 MINING & MINERAL PROCESSING 0.658 ENGINEERING, ELECTRICAL & ELECTRONIC 0.627 SPECTROSCOPY 0.576 MECHANICS 0.566 NUCLEAR SCIENCE & TECHNOLOGY 0.551 CHEMISTRY, MULTIDISCIPLINARY 0.541 ENGINEERING, CHEMICAL 0.518 Tabla 7. Factores 3 y 4 con factor loadings mayores o iguales a 0.5 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 191 - Factor 3: Ciencias de los Materiales y Física Aplicada. El factor tres se compone de veintidós categorías. Acumula un 7.1% del total de la varianza y aglutina el 10.1% de las categorías que constituyen la matriz. Teniendo en cuenta las once primeras, es decir, aquellas con un valor superior o igual a 0.7, podemos observar que todas están muy relacionadas con las ciencias de los materiales y con la física aplicada, por lo que hemos decidido categorizar a este factor como la unión de estos dos conceptos: ciencias de los materiales y física aplicada. Factor 4. Ciencias de la Tierra y del Espacio. Este factor explica el 5.8% de la varianza. Cuenta con quince categorías que suponen el 6.9% del total, distribuidas de la siguiente forma: once con valores superiores o iguales a 0.7 y sólo cuatro por debajo de este valor. De nuevo, atendiendo a las categorías de color rojo, la denominación de este factor, es sencilla. Factor 5 % varianza Factor 6 % varianza Gestión, Derecho y Economía 4.6 Informática y Telecomunicaciones 3.8 PLANNING & DEVELOPMENT 0.877 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.905 INDUSTRIAL RELATIONS & LABOR 0.861 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.904 PUBLIC ADMINISTRATION 0.855 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.849 AREA STUDIES 0.824 COMPUTER SCIENCE, THEORY & METHODS 0.839 POLITICAL SCIENCE 0.787 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.834 INTERNATIONAL RELATIONS 0.771 TELECOMMUNICATIONS 0.791 AGRICULTURAL ECONOMICS & POLICY 0.763 AUTOMATION & CONTROL SYSTEMS 0.781 LAW 0.744 COMPUTER SCIENCE, CYBERNETICS 0.727 URBAN STUDIES 0.736 INFORMATION SCIENCE & LIBRARY SCIENCE 0.551 BUSINESS, FINANCE 0.697 HISTORY OF SOCIAL SCIENCES 0.685 SOCIOLOGY 0.670 ENVIRONMENTAL STUDIES 0.632 ETHNIC STUDIES 0.629 SOCIAL SIGUES 0.611 DEMOGRAPHY 0.540 HISTORY 0.529 COMMUNICATION 0.518 SOCIAL SCIENCES, INTERDISCIPLINARY 0.516 ECONOMICS 0.501 Tabla 8. Factores 5 y 6 con factor loadings mayores o iguales a 0.5 Capitulo 7: Resultados - 192 - Factor 5. Gestión, Derecho y Economía. Con el 4.6% del total de la varianza acumulada y veinte categorías, 9.17% del total, de las cuales nueve son susceptibles de ser utilizadas para su categorización. Este factor no nos ha resultado tan fácil de denominar como los vistos hasta ahora. Por su diversidad disciplinar y como consecuencia de ser un conglomerado, un tanto dispar de categorías pertenecientes o muy relacionadas con las ciencias sociales, la elección y combinación de términos que engloben el contenido del área temática que representa este factor, nos ha llevado su tiempo. Pero creemos que ha sido acertada. Factor 6. Informática y Telecomunicaciones. Posiblemente se trate del factor más fácil de categorizar. Sus ocho categorías con valor igual o superior a 0.7 así lo indican. Incluso podríamos haber añadido el término de automatización a la denominación del factor, pero finalmente consideramos que el término informática es lo suficientemente amplio como para incluir a la automatización. Este factor acumula el 3.8% del total de la varianza, y sus nueve categorías comprenden el 4.13% del total de categorías de la matriz de cocitación. Llama la atención precisamente la última de esas nueve categorías: Information Science & Library Science, pues aunque no tiene un índice de carga tan elevado como para ser utilizada para la denominación de este factor, si lo es como para estar perfectamente integrada dentro del mismo. Resulta curioso el hecho de que hasta hace poco se haya estado discutiendo en España si la Biblioteconomía y la Documentación pertenecían a las ciencias sociales o al arte y las humanidades. Y que mediante este método se ponga de manifiesto fácilmente, al igual que lo hace el scientograma factorial como veremos más adelante, que el área temática con la que más se relaciona y con la que por tanto más se integra, es la informática. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 193 - Factor 7 % varianza Factor 8 % varianza Factor 9 % varianza Agricultura y Ciencias del suelo 3.1 Humanidades 2.9 Química 2.1 HORTICULTURE 0.823 LITERARY REVIEWS 0.882 CHEMISTRY, ORGANIC 0.748 AGRICULTURE 0.763 LITERATURE, AMERICAN 0.808 CHEMISTRY, APPLIED 0.701 FORESTRY 0.699 LANGUAGE & LINGUISTICS 0.806 CHEMISTRY, INORGANIC & NUCLEAR 0.679 AGRICULTURE, SOIL SCIENCE 0.696 THEATER 0.737 ENGINEERING, CHEMICAL 0.622 ARTS & HUMANITIES, GENERAL 0.736 CHEMISTRY, MEDICINAL 0.599 POETRY 0.727 MATERIALS SCIENCE, TEXTILES 0.597 LITERATURE, ROMANCE 0.683 CRYSTALLOGRAPHY 0.520 LITERATURE 0.661 POLYMER SCIENCE 0.520 ART 0.647 RELIGION 0.629 PHILOSOPHY 0.553 HISTORY 0.548 Tabla 9. Factores 7, 8 y 9 con factor loadings mayores o iguales a 0.5 Factor 7: Agricultura y Ciencias del Suelo Acumulando un 3.1% de la varianza y representado sólo por cuatro categorías, 1.83% del total, de las cuales sólo dos tienen un valor igual o superior a 0.7, este factor es difícil de categorizar. Aunque en un principio podíamos haberlo denominado como: horticultura y agricultura, es decir, con el nombre de las dos únicas categorías de color rojo que tiene, finalmente hemos decidido categorizarlo como: Agricultura y Ciencias del Suelo. A pesar de que se trata del nombre de una categoría que está por debajo de 0.7, consideramos que es la que mejor representa a este factor. Factor 8: Humanidades. Constituido por doce categorías, el 5.5% del total, explica el 2.9% de la varianza. En vista de que las seis primeras categorías, es decir, las que tienen un factor loading superior o igual a 0.7, tratan sobre literatura, lenguaje lingüística, arte y poesía, consideramos que la denominación elegida, aún siendo genérica, es la más adecuada. Factor 9: Química El factor nueve se compone de ocho categorías. Explica el 2.1% del total de la varianza y aglutina al 3.67% del total de categorías que constituyen la matriz de cocitación. Teniendo en cuenta las dos primeras categorías e incluso la tercera, pues tiene un valor muy cercano a 0.7, hemos optado por categorizar a este factor de una forma más general, para Capitulo 7: Resultados - 194 - así conseguir una denominación que represente al mayor número de categorías. Factor 10 % varianza Factor 11 % varianza Etología 2.1 Ingeniería Mecánica 1.9 BEHAVIORAL SCIENCES 0.701 ENGINEERING, MECHANICAL 0.771 PSYCHOLOGY, BIOLOGICAL 0.633 ENGINEERING 0.728 PSYCHOLOGY, EXPERIMENTAL 0.549 THERMODYNAMICS 0.681 MATERIALS SCIENCE, COMPOSITES 0.668 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.619 ACOUSTICS 0.57 CONSTRUCTION & BUILDING TECHNOLOGY 0.561 MECHANICS 0.518 Tabla 10. Factores 10 y 11 con factor loadings mayores o iguales a 0.5 Factor 10: Etología. Explicando un 2.1% de la varianza, este factor está representado por tres categorías, el 1.37% del total. Aunque la categoría con valor por encima de 0.7, es Behavioral Sciences, y por tanto deberíamos de haber denominado a este factor como Ciencias del Comportamiento, las dos categorías que le acompañan: Psychology Biological, y Psychology Experimental, nos hicieron pensar que posiblemente este factor hace referencia más al estudio del comportamiento animal, que al humano. Y efectivamente, así es. Las revistas que tienen asignadas estas categorías, publican trabajos relacionados con el estudio el comportamiento de los animales en su propio ambiente, es decir, sobre etología. Factor 11: Ingeniería Mecánica. Integrado por ocho categorías, el 3.67% del total, acumula el 1.9% de la varianza. Sólo cuenta con dos categorías con valor igual o superior a 0.7, pero en vista del contenido que abarcan, hemos decidido darle la denominación de la de más valor. Aunque cuenta con categorías muy cercanas a 0.7, que podrían haber ayudado a la categorización de este factor, hemos decidido no tenerlas en cuenta, pues ya forman parte de otro factor como categorías con una alta capacidad de categorización, en concreto, el factor tres. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 195 - Factor 12 % varianza Factor 13 % varianza Política sanitaria, servicios médicos 1.7 Matemáticas aplicadas 1.4 HEALTH POLICY & SERVICES 0.808 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.745 NURSING 0.773 STATISTICS & PROBABILITY 0.725 SOCIAL SCIENCES, BIOMEDICAL 0.737 MATHEMATICS, MISCELLANEOUS 0.664 HEALTH CARE SCIENCES & SERVICES 0.680 PSYCHOLOGY, MATHEMATICAL 0.630 MEDICAL INFORMATICS 0.622 ECONOMICS 0.580 TROPICAL MEDICINE 0.577 BUSINESS, FINANCE 0.579 MATHEMATICS, APPLIED 0.515 Tabla 11. Factores 12 y 13 con factor loadings mayores o iguales a 0.5 Factor 12: Política Sanitaria, Servicios Médicos. Con el 1.7% del total de la varianza acumulada y seis categorías, 2.75% del total, este factor cuenta con tres categorías susceptibles de ser utilizadas para su categorización, las cuales se bastan para cumplir con su función. Factor 13: Matemáticas Aplicadas. Pese a sus siete categorías, que suponen el 3.21% del total, este factor sólo explica el 1.4% de la varianza. Además, únicamente cuenta con dos categorías de color rojo, a partir de las cuales categorizar el resto. Por esto último, hemos decidido dejarnos influenciar un poco por el resto de categorías del factor. El denominador común en la mayoría es el término matemáticas y en las que no lo es, aparecen otros como economía o finanzas, que están muy cercanos a este. Por ello hemos decidido denominarlo como Matemáticas aplicadas. Factor 14 % varianza Factor 15 % varianza Factor 16 % varianza Física Nuclear y de Partículas 1.2 Biología animal, Ecología 1.1 Ortopedia 1 PHYSICS, MATHEMATICAL 0.753 ORNITHOLOGY 0.781 ORTHOPEDICS 0.748 PHYSICS, NUCLEAR 0.745 ENTOMOLOGY 0.646 OTORHINOLARYNGOLOGY 0.617 PHYSICS, PARTICLES & FIELDS 0.743 ECOLOGY 0.622 EMERGENCY MEDICINE & CRITICAL CARE 0.586 PHYSICS, FLUIDS & PLASMAS 0.674 ANTHROPOLOGY 0.602 OPTICS 0.521 ZOOLOGY 0.575 EDUCATION, SCIENTIFIC DISCIPLINES 0.504 FISHERIES 0.563 MARINE & FRESHWATER BIOLOGY 0.552 BIOLOGY, MISCELLANEOUS 0.506 Tabla 12. Factores 14 y 15 y 16 con factor loadings mayores o iguales a 0.5 Capitulo 7: Resultados - 196 - Factor 14: Física Nuclear y de Partículas. Con seis categorías, acumula sólo el 1.2% de la varianza y representa al 2.75% de todas las categorías. La disparidad en cuanto a contenido de una de las tres categorías con un factor loading igual o superior a 0.7, nos ha puesto bastante difícil la categorización de este factor, pero creemos que la denominación adoptada para este factor, es la más adecuada. Factor 15: Biología Animal, Ecología. Integrado por seis categorías que constituyen el 2.75% del total y acumulando únicamente el 1.1% de la varianza, este factor sólo cuenta con una categoría para su denominación. Pero en vista de las categorías que le suceden y a que sus factor loadings, aún si estar por encima de 0.7 se le aproximan bastante, hemos creído conveniente ampliar el área temática, para que la denominación del factor no quedase reducida a una mera especialidad. Factor 16: Ortopedia. Se trata del último de los factores extraídos. Formado por tres categorías que representan al 1.37% del total, explica el 1% de la varianza. Sólo cuenta con una categoría con un valor igual o superior a 0.7, por lo que su denominación ha sido automática. Pero en este caso, la denominación de este factor como ortopedia, hay que entenderla desde el punto de vista anglosajón, es decir, como cirugía ortopédica: especialidad médica relacionada con la preservación y restauración del sistema óseo y sus estructuras asociadas, como por ejemplo la columna vertebral y otros huesos, articulaciones y músculos(Encyclopaedia Britannica, I., 2005). Esta acepción, explica el hecho de que la siguiente categoría de este factor sea Otorhinolaryngology, pues está muy relacionada con los implantes y prótesis dentales 8 sistema óseo8 ; y lo mismo podemos decir de Emergency Medicine & Critical Care, en cuanto a la preservación de huesos, músculos y articulaciones. Hacemos aquí esta aclaración, porque este mismo factor se reproducirá en otros dominios, aunque con el orden de las categorías cambiado, pero le daremos la misma denominación. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 197 - 7.1.2.1. Scientograma Factorial La traslación de los factores identificados mediante AF, a la estructura del scientograma propiciada por PFNETs, nos permite determinar el nivel de coincidencia entre las áreas temáticas detectadas por un método y otro. Pero no sólo eso, además favorece la visualización de dichas áreas temáticas, proporcionando una imagen de la estructura intelectual subyacente del dominio mediante lo que nosotros denominamos scientograma factorial. - 198 - Ilustración 48. Scientograma de factores del mundo, 2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 199 - De las doscientas dieciocho categorías de que consta el scientograma del mundo, ciento noventa y cinco han sido identificadas por medio del AF. Para reconocer a simple vista cada una de las áreas temáticas, así como las categorías que las integran, le hemos dado el mismo color a cada una de las que componen un mismo factor. Aquellas que no han sido identificadas y que por tanto no pertenecen a ninguna área temática, se han puesto de color gris oscuro. En la zona inferior izquierda de la ilustración 48, se ha situado una leyenda en la que se establece la equivalencia entre el color de cada área temática y el nombre que se le ha asignado a cada una de ellas mediante el proceso anteriormente desarrollado. Para ayudar a establecer visualmente, la relación entre el tamaño de cada una de las categorías y su producción real, se ha representado una esfera de referencia con un tamaño equivalente a mil documentos. Finalmente, se han coloreado de rojo las categorías que pertenecen a más de un área temática. De esta forma, queremos llamar la atención sobre cuáles son los puntos de interacción entre las áreas temáticas de cada dominio, por medio de las categorías que comparten. Como veremos a continuación, el AF captura bastante bien la estructura de PFNETs, y al contrario. Esto no debe sorprendernos, puesto que el AF trabaja con las categorías con un factor loading más alto y PFNETs con las de mayor número de cocitación. El AF identifica muy bien en el scientograma las áreas temáticas que podríamos denominar como consolidadas, es decir, aquellas constituidas por una categoría con un alto grado de interconexión o prominencia. Por el contrario, tiene problemas para detectar las categorías menos prominentes, y por tanto, las áreas temáticas menos consolidadas a las que estas dan origen, e incluso llega a identificar como tales a especialidades dentro de una misma área temática. PFNETs, mediante sus racimos, muestra gráficamente las posibles áreas temáticas de un scientograma, identifica la categoría más prominente de cada una de ellas, e indica la ruta de conexión de unas áreas temáticas con Capitulo 7: Resultados - 200 - otras mediante la secuencia de categorías que las conectan. Sin embargo no informa sobre si una categoría es prominente o no, ni sobre cuáles son los límites del área temática a la que da lugar, ni tampoco de su posible denominación. Por todo ello, consideramos que PFNETs y el AF son complementarios para la detección de la estructura de un dominio científico, pues las ventajas de uno suplen las carencias del otro, y viceversa. De esta forma, el AF será el responsable de identificar, delimitar y denominar las áreas temáticas de las que consta un scientograma. Aunque a veces identifique especialidades. Mientras que PFNETs será el encargado de hacer más visibles las áreas temáticas, agrupando sus categorías en racimos, así como de mostrar los paths que conectan las distintas categorías prominentes y por ende, las diferentes áreas temáticas del scientograma de un dominio. Las categorías no detectadas por ningún factor, aunque formen parte de algún racimo, serán marcadas de un color distinto al del resto de factores y no serán tenidas en cuenta en el análisis del dominio. Para evidenciar el grado de adecuación estructural entre el scientograma y el AF, comprobamos el grado de ajuste entre factores y racimos de categorías. Así mismo, detectamos la posible dispersión de categorías de una misma área temática a lo largo del scientograma y, finalmente, mostramos e identificamos las categorías multitemáticas 8 de color rojo8 , dentro de cada área temática. Biomedicina De color púrpura, esta área temática ocupa toda la zona central del scientograma. Incluyendo, gran parte de la zona central superior. Las categorías identificadas por este factor coinciden prácticamente con el racimo que se detecta en el centro del scientograma, por lo que podemos decir que en esta área temática se produce una coincidencia casi plena entre el AF y el tándem de cocitación pura de categorías más PFNETs. Utilizamos el matiz ?casi plena?, porque este racimo central incluye dos categorías que no han podido ser identificadas por el factor 8 de color gris oscuro8 y que están directamente conectadas a otras que sí han sido Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 201 - factorizadas. Este es el caso de Rehabilitation, conectada a Sport Sciences y situada en la zona superior izquierda del factor, y de Material Sciences, Biomaterials, enlazada a Engineering Biomedical y ubicada en el margen inferior derecho del mismo. En las zonas periféricas de esta gran área podemos encontrar sus fronteras con otras áreas temáticas. Incluso, en su franja superior y superior derecha, es posible descubrir pequeñas áreas temáticas incrustadas dentro de ella, al mismo tiempo que categorías dispersas pertenecientes a otras áreas. En cuanto a los puntos de interacción que esta área temática tiene con otras, son los siguientes: x Pertenecientes también al área de la Ortopedia, tenemos las disciplinas, Emergency Medicine & Critical care y Otorhinolaringology. x Identificadas también como del área temática de la Biología Animal y Ecología, encontramos a Zoology y a Entomology. x Chemistry Medicinal, identificada también como una categoría del área Química. Psicología De color verde esmeralda, se ubica en uno de los racimos de la zona inferior del scientograma. En principio, no se observa una coincidencia plena entre las categorías identificadas por el factor y la concentración de la mayoría de ellas en el scientograma. Este hecho podría indicar cierta discrepancia en cuanto a la clasificación de las mismas, pero no es así. El motivo de que no aparezcan todas, o al menos su mayor parte en una misma localización, se debe a que algunas de ellas pertenecen a otras áreas temáticas. Como veremos a continuación, y ante la imposibilidad de estar en dos sitios a la vez, se ubican en aquellas zonas en las que su pertenencia a un área temática es más fuerte. No obstante, hay dos categorías que aparecen desubicadas en el scientograma con respecto al grupo principal. Capitulo 7: Resultados - 202 - En concreto en la parte superior izquierda del área temática de Biomedicina, y son: Education Special y Women's studies. En cuanto a sus puntos de interacción con otras áreas temáticas tenemos: x Social Sciences Biomedical, perteneciente también al área de Política Sanitaria y Servicios Médicos. x Psychology Mathematical, identificada obviamente también con el área temática de Matemáticas Aplicadas. x Social Issues, Communications y Social Sciences Interdisciplinary, incluidas además como categorías integrantes del área temática de Gestión, Derecho y Economía. x Psychology Experimental, compartida también con el área de Etología. Ciencias de los Materiales y Física Aplicada De color melocotón, se extiende por la zona derecha del scientograma, a lo largo de su rama principal. La coincidencia entre las categorías identificadas por el AF y la ubicación de las mismas en el scientograma es total. Es decir, no se encuentran categorías de esta área temática incrustadas en otras. No obstante, de la rama en la que se distribuyen las categorías de esta área temática y como consecuencia de su extensión en el scientograma, es posible observar cómo parten otras ramas más pequeñas. En muchos casos, tanto el AF como el tándem cocitación pura y PFNETs, identifican a estas como nuevas áreas temáticas. En cuanto a las categorías con al menos una doble adscripción temática, y por tanto coloreadas de rojo, podemos distinguir las siguientes: x Engineering Chemical, Cristallography y Polimer Science, identificadas también como categorías pertenecientes al área temática Química. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 203 - x Mechanics y Material Sciences Characterization & Testing, adjudicadas de igual modo al área de Ingeniería Mecánica. x Optics, seleccionada además con pertenencia conjunta al área de Física Nuclear y de Partículas. Ciencias de la Tierra y del Espacio De color verde claro, se ubica en la zona inferior central del scientograma, ocupando prácticamente la mayor parte del racimo derecho que se encuentra en esta zona. La coincidencia entre el número de categorías identificadas por el AF y su agrupación en el scientograma es prácticamente completa. Sólo una categoría en la zona central superior derecha: Engineering Petroleum, aparece desgajada del resto y conectada a otra que no ha sido identificada por ningún factor, de ahí su color gris oscuro. Conexión que dicho sea de paso, parece muy lógica y coherente. Alrededor de las categorías identificadas por el AF y ubicadas en el mismo racimo, podemos distinguir otras categorías de color gris oscuro como: Environmental Sciences, Engineering Environmetal, Water Resources, Engineering Civil, Engineering Marine e Imaging Science & Photographic Technology, las cuales creemos que, puesto que no han sido tenidas en cuenta por ninguna otra área temática y dada su cercanía al racimo que constituye esta área, podrían ser incluidas como miembros de pleno derecho en ella. No obstante, y siguiendo la metodología propuesta, no las consideraremos como parte de esta área temática al no haber sido identificadas por el AF. Gestión, Derecho y Economía Ubicada en la parte superior izquierda del scientograma, en el segundo racimo contando por arriba y de color morado claro, esta área temática se encuentra distribuida prácticamente en su totalidad por este racimo. Sólo dos categorías: Urban Studies y Environmental Studies, se encuentran localizadas fuera de él. En concreto, integradas dentro de lo que sería el área de Ciencias de la Tierra y del Espacio 8 zona inferior derecha8 . Capitulo 7: Resultados - 204 - Desde el punto de vista de la múltiple pertenencia de categorías a distintas áreas temáticas, algunas no son más que la correspondencia con otras áreas ya estudiadas, mientras que otras pueden jugar un papel muy importante desde el punto de vista de la interacción. Entre ellas encontramos: x Social Issues, Communications y Social Sciences Interdisciplinary. Son también categorías integrantes del área de Psicología, ya revisada. x Business Finance. Identificada también como categoría perteneciente al área de Matemáticas Aplicadas. x History. adjudicada además al área de Humanidades, juega un papel fundamental para el mantenimiento de la integridad del racimo que constituye esta área. Además, es el punto de conexión con el área temática de las Humanidades, hecho que la convierte en un auténtico punto de intercambio de información entre áreas temáticas. x Economics. Compartida con el área de Matemáticas Aplicadas, por su situación y por el número de enlaces que tiene, es la responsable de la integridad del racimo del área de Gestión, Derecho y Economía. Si a esto le añadimos que es además la responsable de la unión de las dos áreas temáticas, su importancia como punto de intercambio de información entre áreas es evidente. Informática y Telecomunicaciones De color fucsia, se distribuye a lo largo de un racimo en la zona superior derecha del scientograma. No existe ningún tipo de discrepancia entre la clasificación propuesta por el AF y la obtenida por el tándem cocitación pura más PFNETs. Hasta tal punto llega el acuerdo entre ambos en esta área, que incluso la categoría Computer Science Interdisciplinary Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 205 - Applications (de color gris oscuro) por no haber sido tenida en cuenta por el AF, está situada en un racimo distinto al que ocupan el resto, en concreto, en la parte central derecha del scientograma. Agricultura y Ciencias del Suelo Situada prácticamente en su totalidad en la parte central del scientograma, esta área de color verde hierba muestra casi una coincidencia plena entre las categorías identificadas por el AF y su agrupación en alguna zona del scientograma. Decimos que la coincidencia es casi plena porque hay una categoría, Forestry, que se ubica en la zona central inferior izquierda del scientograma, en el lugar que ocupa el área temática Biología Animal y Ecología. Queremos resaltar el hecho de que unida a esta categoría se encuentra Material Science Paper & Wood, por lo que la ubicación de Forestry dentro de esta segunda área temática, no sería muy descabellada. Para no entrar en la discusión en cada área temática, cuando exista dispersión de categorías, o si la ubicación de una determinada categoría es la adecuada o no, simplemente recordaremos que dicha ubicación está condicionada por el tándem cocitación pura de categorías más PFNETs. Humanidades De color azul cielo, se ubica en la zona superior izquierda del scientograma. En concreto en el primer racimo de dicha zona. La coincidencia entre las categorías identificadas por el AF y el tándem cocitación pura más PFNETs, es casi total. Sólo una categoría: Philosophy, está desgajada del resto, y aparece situada en la parte superior central del scientograma, justo encima del espacio ocupado por el área Biomedicina. Sólo hay una categoría con adscripción multitemática: History, que como vimos anteriormente, es compartida con el área temática de Gestión, Derecho y Economía. Capitulo 7: Resultados - 206 - Química De color marrón claro, se sitúa principalmente en la zona central derecha, en concreto en torno a la categoría Chemistry Multidisciplinary, de color melocotón. De las ocho categorías que la conforman, cuatro aparecen dispersas de este centro o racimo. Material Sciences Textiles y Chemistry Applied, se ubican en la zona central inferior izquierda del scientrograma, concretamente conectadas a Food Sciences & Technology, del área Biomedicina. Las otras dos, son categorías multitemáticas, por lo que aparecen localizadas junto con las áreas temáticas a las que se encuentran más estrechamente vinculadas, y son: Chemistry Medicinal, del área Biomedicina, y Engineering Chemical, compartida con el área temática de Ciencias de los Materiales, Física Aplicada. Etología Está integrada por tres categorías: dos de color verde claro y una roja. Las dos primeras se ubican en la zona central del scientograma, como si fueran un apéndice de la categoría Neurosciences, del área temática de Biomedicina. La categoría de color rojo y por tanto multitemática: Psichology Experimental, está ubicada en la zona central inferior del scientograma, donde se ubican las categorías correspondientes al área temática de Psicología, con la que comparte esta categoría. Se podría pensar que debido a su reducido número de categorías y a su bajo factor loading, esta área temática podría estar en proceso de aparición, desaparición o integración con otra. Pero verificar esta hipótesis a partir del scientograma de un solo año es prácticamente imposible. Para su explicación, habría que recurrir a los scientogramas evolutivos, es decir, a la secuencia temporal de scientogramas del mismo. Ingeniería Mecánica De color amarillo claro, se sitúa principalmente en la zona central derecha del scientograma, en concreto en torno a la categoría Material Sciences Multidisciplinary, de color melocotón. De las ocho categorías que la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 207 - constituyen dos son de color rojo, pues como dijimos anteriormente, Mechanics y Material Sciences Characterization & Testing, son compartidas por este área temática y por la de Ciencias de los Materiales, Física Aplicada. Y otras dos están dispersas por la zona central izquierda del scientograma: Engineering, enlazada a la categoría Mathematics Applied, de color gris claro y perteneciente al área de Matemáticas Aplicadas; y Acoustics, conectada a Radiology Nuclear, Medicine & Medical Imaging, del área Biomedicina. Política Sanitaria, Servicios Médicos De color verde mar, sus seis categorías se sitúan en la parte superior central del scientograma, marcando el límite geográfico superior del área de Biomedicina. Esta área temática se encuentra dispersa en dos ramas que surgen de la categoría Medicine General & Internal. Una conectada de forma directa a ella y otra de forma indirecta, a través de la categoría Public Environmental & Occupational Health. Por tanto, esta categoría se muestra un tanto disgregada, sobre todo si tenemos en cuenta que una de las categorías que la componen: Medical Informatics, se sitúa en la zona central izquierda del scientograma, en el espacio que ocupa el área temática de Matemáticas Aplicadas y conectada a la categoría Statistic & Probability. Como vimos anteriormente, esta área junto con la de Psicología, comparten la categoría Social Sciences Biomedical, y por tanto sus fuentes. Matemáticas Aplicadas De color gris claro, se ubica en la parte central izquierda del scientograma, donde la rama principal del mismo, se bifurca en dos. Llama la atención el hecho de que una de las categorías de esta área: Mathematics Miscellaneous, sea la que hace de punto de corte de las dos ramas resultantes. Esto la convierte en un elemento importante para el análisis e interpretación del scientograma, como veremos más adelante. La coincidencia entre las categorías identificadas por el AF y el tándem, es completa. Capitulo 7: Resultados - 208 - De las dos ramas que salen de esta categoría, concretamente de la que sale con dirección a la parte inferior izquierda del scientograma, podemos ver como cuelgan una serie de categorías que no han sido factorizadas, de ahí su color gris oscuro. Creemos que la categoría Mathematics debería de formar parte de esta área temática, aunque no haya sido identificada por el AF. Lo mismo pensamos del resto: Business, Management, Engineering Manufacturing, Engineering Industrial y Operation Research & Management Science, pues constituyen por sí mismas un racimo a partir de esta última, la cual está conectada a Mathematics Applied. Aunque el contenido de la cuatro primeras no es estrictamente matemático, todas ellas confluyen en Operation Research & Management Science, cuyo objetivo es el análisis científico o matemático de problemas relacionados con sistemas complejos, de ahí nuestra opinión. Pero como ya hemos dicho anteriormente, ajustándonos a la metodología propuesta, no las tendremos en cuenta en el análisis. De las siete categorías identificadas por el AF, tres de ellas son multitemáticas: x Psychology Mathematical, como ya vimos anteriormente, compartida también con el área de Psicología, pero ubicada en esta posición al tener una relación mucho más fuerte con las categorías de las Matemáticas Aplicadas, que con las de Psicología. x Business Finance, identificada también como categoría perteneciente al área de Gestión, Derecho y Economía. x Economics. Compartida por las áreas de Matemáticas Aplicadas y Gestión, Derecho y Economía, pone de manifiesto un auténtico punto de fricción, y por tanto de intercambio de información, entre ambas áreas temáticas como ya comentamos anteriormente. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 209 - Física Nuclear y de Partículas De color malva, se ubica en la zona central derecha del scientograma formando un pequeño racimo entorno a la categoría Physics Multidisciplinary, del área Ciencias de los Materiales y Física Aplicada. Sólo una de las categorías identificadas por el AF, aparece desplazada del racimo que forman el resto: Education Scientific Disciplines, que se ubican en la zona central superior del scientograma, justo en el límite superior del área Biomedicina, que como ya hemos visto anteriormente, es donde se sitúan algunas de las categorías desgajadas de sus racimos temáticos. En cuanto a las categorías multitemáticas, nos encontramos con Optics, lo cual no debe sorprendernos si tenemos en cuenta que dicha categoría es compartida con el área temática de Ciencias de los Materiales y Física Aplicada, de la que parte esta área. Biología Animal, Ecología Situada en la zona central izquierda del scientograma y de color amarillo, esta área tiene como punto de partida la categoría Biology Miscellaneous, de color rojo, ya que pertenece además al área de Biomedicina. También son categorías multitemáticas y pertenecen al mismo tiempo al área anterior: Entomology y Zoology, aunque ubicadas en la zona central del scientograma por su mayor afinidad con dicha área temática. De las ocho categorías identificadas por el AF, la coincidencia geográfica con los racimos PFNETs, salvo en el caso de las dos categorías a las que antes hemos hecho mención, es completa. Ortopedia Constituida por tres categorías y situada en el centro del scientrograma de color salmón, sólo tiene como categoría visible de este color a Orthopedics, pues Otorhinolaryngology y Emergency Medicine & Critical Care, son categorías multitemáticas compartidas con el área de Biomedicina y que por tanto aparecen de rojo. La coincidencia entre el AF y el tándem apenas existe: Orthopedics y Otorhinolaryngology enlazan con la Capitulo 7: Resultados - 210 - categoría Surgery, del área temática de Biomedicina, y Emergency Medicine & Critical Care, conecta con la categoría Medicine General & Internal, también del área de Biomedicina. Esta falta de coincidencia unida al bajo número de categorías que la integran y al hecho de que dos de ellas sean multitemáticas, nos hace dudar si este último factor es una especialidad de Biomedicina, o en realidad es una nueva área temática en proceso de surgimiento o desaparición. Ante la imposibilidad de poder comprobarlo, (al no disponer de scientogramas de otros años anteriores y posteriores a este) y fieles a nuestra metodología, la reconocemos como área y no como especialidad. 7.1.3. Análisis de un Dominio Teniendo en cuenta que nuestros scientogramas son una esquematización extrema de la producción científica de un dominio y que su estructura está determinada por el tándem cocitación de categorías en su estado puro más PFNETs, su análisis e interpretación estará basado en las inferencias que se puedan obtener de la estructura PFNETs resultante. Es decir, de las categorías con un alto grado de interconexión, del principio de desigualdad del triángulo, y de los paths de mayor peso o importancia. Por ejemplo, si una categoría o área temática ocupan una posición central en el scientograma, es muy probable que tanto una como otra tengan una naturaleza más general o universal en el dominio como consecuencia del número de fuentes que comparten con el resto y que, por tanto, contribuyan más al desarrollo del mismo que otras que tengan una posición menos central. Del mismo modo y de forma general, cuanto más periférica sea la situación de una categoría o área temática, más exclusiva será su naturaleza, menos fuentes compartirá con el resto de categorías y menos contribuirá en el progreso del mismo. Ocupar una posición central, también es importante desde el punto de vista de la comunicación, pues gracias a esa situación, es posible que otras categorías o áreas temáticas estén interconectadas a través de ella. Hecho que no ocurriría si dicha área Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 211 - o categoría central no existiese. Por ejemplo, si el área temática de Biomedicina desapareciese del scientograma de la ilustración 48, el resto de áreas quedarían totalmente desconectadas entre sí. Algo muy similar ocurriría con el resto de categorías, si se eliminase Biochemisty & Molecualr Biology. Lo mismo podemos decir de otras áreas o categorías, aunque la pérdida de interconexión será menor en la medida en que sus ubicaciones sean menos centrales. Esta forma de analizar e interpretar los scientogramas, no sólo explica los patrones de cocitación propios de un dominio, sino que proporciona de una forma intuitiva, tanto para especialistas como para usuarios inexpertos, la explicación práctica del funcionamiento de PFNETs. 7.1.3.1. Macroestructura El análisis macroestructural de un dominio los realizamos a partir de su correspondiente scientograma factorial. Para ello, recurrimos a cada una de las áreas temáticas identificadas en él y procedemos a su análisis e interpretación, de acuerdo con los criterios anteriormente comentados. Pero en este caso, para conseguir una visión más compacta de la estructura intelectual del dominio y facilitar su análisis, construimos un nuevo scientograma basado en la representación gráfica del centroide de las categorías con un valor igual o superior a 0.5(Salton, G. y McGill, M. J., 1983), de cada uno de los dieciséis factores o áreas temáticas que identifica el AF en la matriz de cocitación original de 218 x 218 categorías. El resultado es el que se muestra a continuación. Capitulo 7: Resultados - 212 - Ilustración 49. Scientograma de centróides de las categorías que componen las áreas temáticas del mundo 2002 El scientograma del mundo 2002 de la ilustración 49, consta de dieciséis áreas temáticas, lo mismo que el de factores de la ilustración 48, al que esquematiza. Al igual que en los scientogramas mostrados hasta ahora, el volumen se ha hecho proporcional a la cantidad de documentos que representan. Lo primero que llama la atención en este nuevo scientograma es la combinación de pocas áreas temáticas de gran tamaño con muchas de tamaño reducido. Reflejan así la naturaleza hiperbólica de todas las distribuciones bibliométricas(Small, H. y Garfield, E., 1985). Otro aspecto a destacar es el patrón centro-periferia. Donde una gran área temática central hace de nodo de conexión a otras más pequeñas que la circundan. A grandes rasgos, podemos decir que en la zona central, aparecen lo que se puede denominar como Ciencias Biomédicas y de la Tierra: Biomedicina, Psicología, Etología, Biología Animal y Ecología, Política Sanitaria, Ortopedia, Ciencias de la Tierra y del Espacio, y Agricultura y Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 213 - Ciencias del Suelo. En la parte derecha se agrupan las Ciencias Duras: Ciencias de los Materiales y Física Aplicada, Ingeniería, Informática y Telecomunicaciones, Física Nuclear y de Partículas, y Química. Y en el lado izquierdo, las Ciencias más Blandas como son las Matemáticas Aplicadas, Gestión, Derecho y Economía, y Humanidades. Este esquema de vertebración macroestructural de la ciencia es una disposición típica y persistente en los scientogramas de los países desarrollados, y no tanto en el de otros en vías de desarrollo, como veremos más adelante en otros dominios. Como dijimos anteriormente, el AF captura asombrosamente bien la estructura de PFNETs, y al contrario. Si comparamos las posiciones de las áreas temáticas del scientograma de la ilustración 49 con sus ubicaciones respectivas en el scientograma de la ilustración 48 observaremos que son muy similares. Es más, si en el scientograma de centroides reproducimos los paths o enlaces que conectan las distintas áreas temáticas del scientograma factorial, obtendremos una representación gráfica reducida y compacta de este último. Este hecho nos facilitará el análisis e interpretación del mismo. Ilustración 50. Scientograma de áreas temáticas del mundo, 2002 Capitulo 7: Resultados - 214 - Para la interpretación de los scientogramas y desde el punto de vista de PFNETs, utilizaremos dos medidas: centralidad y prominencia. Un área temática será central si su grado nodal es elevado con respecto al resto. Por otra parte será prominente, cuando sus enlaces 8 grado8 la hagan especialmente visible del resto. Mediante la generación de un red con tantos nodos como áreas temáticas, y reproduciendo manualmente las conexiones entre dichas áreas mediante enlaces, por medio de Pajek(Batagelj, V. y Mrvar, A., 2005), podemos calcular fácilmente estas medidas. Centralidad Desde la perspectiva PFNETs, podemos decir que a nivel mundial en el año 2002, el área temática más central es la Biomedicina. Entendiendo por central aquella que cuenta con un mayor grado nodal. Área Temática Grado Biomedicina 8 Ciencias de los Materiales, Física Aplicada 4 Biología Animal, Ecología 2 Gestión, Derecho y Economía 2 Matemáticas Aplicadas 2 Química 2 Agricultura y Ciencias del Suelo 1 Ciencias de la Tierra y del Espacio 1 Etología 1 Física Nuclear y de Partículas 1 Humanidades 1 Informática y Telecomunicaciones 1 Ingeniería Mecánica 1 Ortopedia 1 Política Sanitaria, Servicios Médicos 1 Psicología 1 Tabla 13. Centralidad de grado de áres temáticas del mundo Esto significa que la Biomedicina es el área temática más universal, con la que más fuentes comparten el resto de áreas del dominio, y por tanto, la que más interviene en el desarrollo del mismo. Con mucha menos producción que esta, pero también cercanas al centro 8 ilustración 498 ,tenemos: Agricultura y Ciencias del Suelo, y Química. Esto no debería sorprendernos, pues en el mundo actual, la agricultura es la base Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 215 - económica de muchos países, y la química un elemento fundamental en la medicina, la alimentación, la industria, etc. Las áreas temáticas más periféricas y en consecuencia, las que menos recursos comparten para el desarrollo del dominio son: las Humanidades,la Informática y Telecomunicaciones, y las Ciencias de la Tierra y del Espacio. El resto de áreas temáticas como: Psicología, Biología Animal y Ecología, Ciencias de los Materiales y Física Aplicada, etc., ocupan posiciones, más o menos intermedias. Prominencia Para detectar las áreas temáticas más prominentes de un dominio, proponemos el uso de un algoritmo de robo incluido en el programa informático Pajek(Batagelj, V. y Mrvar, A., 2005), por el que los nodos más fuertes o con un mayor grado nodal, roban enlaces o grado a sus vecinos más débiles. El resultado es un vector que nos indica el nivel de prominencia de las distintas áreas temáticas, al tiempo que nos permite modificar el tamaño de las mismas con el fin de hacerlas más fácilmente visibles en el scientograma, tal y como muestran la siguiente tabla e ilustración. Área Temática Grado Biomedicina 8.5 Ciencias de los Materiales, Fisica Aplicada 4.5 Gestion, Derecho y Economia 2 Matematicas Aplicadas 1 Agricultura y Ciencias del Suelo 0 Biologia Animal, Ecologia 0 Ciencias de la Tierra y del Espacio 0 Etologia 0 Fisica Nuclear y de Particulas 0 Humanidades 0 Informatica y Telecomunicaciones 0 Ingenieria Mecanica 0 Ortopedia 0 Politica Sanitaria, Servicios Medicos 0 Psicologia 0 Quimica 0 Tabla 14. Prominencia de las áreas temáticas del mundo Capitulo 7: Resultados - 216 - Ilustración 51. Áreas temáticas más prominentes del mundo 2002 Si comparamos los resultados obtenidos mediante la centralidad, con los conseguidos por medio de la prominencia, veremos que coinciden en muy poco. Y así debe ser. Uno establece criterios para determinar el nivel de generalidad o universalidad de las fuentes que se comparten en el dominio, y el otro constituye el orden de prominencia en función de las relaciones que cada área temática mantiene con el resto. En consecuencia, en lo que sí coinciden los dos es en señalar al área temática de la Biomedicina como la más central y prominente del dominio. 7.1.3.2. Microestructura Para realizar el análisis microestructural de un dominio, podemos recurrir tanto a su scientograma básico, que pone de manifiesto la estructura semántica del dominio, como a su scientograma factorial. Este último revela la estructura intelectual del mismo, como ya hemos indicado. Sin embargo, como norma general, siempre será mejor utilizar el scientograma factorial, pues a partir de sus áreas temáticas es posible detectar e identificar a Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 217 - simple vista, las categorías más prominentes u origen de dichas áreas. Estas se caracterizan por su alto grado de interconectividad o por ejercer de distribuidoras de la estructura, como dijimos anteriormente. Por ello, para realizar este análisis recurriremos al scientograma de la ilustración 48. El scientograma del mundo 2002 consta de doscientas dieciocho categorías y doscientos diecisiete enlaces que las interconectan. No aparece ninguna de ellas aislada. Al igual que ocurría en el caso de las áreas temáticas, lo primero que llama la atención en este scientograma, es la existencia de unas pocas categorías de gran tamaño 8 producción científica8 y muchas de menor tamaño, poniendo así de manifiesto la naturaleza hiperbólica de todas las distribuciones bibliométricas(Small, H. y Garfield, E., 1985). Este mayor tamaño, se produce sobre todo en el centro y en el centro-derecha del scientograma y menos en la zona izquierda. Es decir, existe una mayor producción por parte de las categorías pertenecientes a las ciencias médicas y duras que por aquellas vinculadas a las ciencias blandas. Lo segundo que llama la atención es que el patrón de conexiones que siguen las categorías es del tipo centro-periferia: encontrándonos con una gran categoría central que hace de centro de interconexión a otras categorías que están alrededor de ella, al tiempo que es la responsable de mantener la cohesión en la estructura del scientograma. Centralidad A simple vista y sin lugar a dudas, la categoría más central del scientograma del mundo 2002 es Biochemistry & Molecular Biology. Así lo demuestra también, la centralidad de grado de dicho scientograma. Capitulo 7: Resultados - 218 - Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 31 PSYCHOLOGY 10 MEDICINE, GENERAL & INTERNAL 9 MATERIALS SCIENCE, MULTIDISCIPLINARY 9 ECONOMICS 9 GEOSCIENCES, INTERDISCIPLINARY 8 CHEMISTRY, MULTIDISCIPLINARY 6 ENVIRONMENTAL SCIENCES 6 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 6 PHYSICS, MULTIDISCIPLINARY 5 PSYCHIATRY 5 IMMUNOLOGY 5 ENGINEERING, ELECTRICAL & ELECTRONIC 5 POLITICAL SCIENCE 5 HISTORY 5 LITERATURA 5 Tabla 15. Dieciséis primeras categorías de mayor grado del mundo Esta máxima centralidad de Biochemistry & Molecular Biology, la convierte en la más general y universal de las doscientas dieciocho categorías que constituyen la producción científica mundial para el año 2002. Se trata de la categoría que más fuentes comparte y en consecuencia que más contribuye al desarrollo científico mundial, de ahí su posición central. Esta posición favorece su conectividad y el intercambio de conocimiento con y entre el máximo número de categorías, constituyéndose así en el eje central de la vertebración de la ciencia. Si eliminásemos Biochemistry & Molecular Biology las categorías que la rodean quedarían totalmente desconectadas, y lo mismo ocurriría con la estructura semántica del scientograma. De ahí su prominencia y centralidad. Una vez detectada e identificada la categoría más central del dominio, el orden del resto, estará directamente relacionado con la distancia de cada una de ellas con respecto a esta. Para establecer ese orden o ranking de centralidad de categorías, recurrimos a la distancia geodésica 8 path más corto entre dos nodos de una red8 que existe entre cualquier categoría y Biochemistry & Molecular Biology. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 219 - Categoría Dist. Categoría Dist. BIOCHEMISTRY & MOLECULAR BIOLOGY 0 PSYCHOLOGY 4 MEDICINE, GENERAL & INTERNAL 1 LIMNOLOGY 4 ENTOMOLOGY 1 ORNITHOLOGY CHEMISTRY, MULTIDISCIPLINARY 1 PSYCHOLOGY, MATHEMATICAL 4 NUTRITION & DIETETICS 1 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 4 PLANT SCIENCES 1 MINING & MINERAL PROCESSING 4 ZOOLOGY 1 ENVIRONMENTAL STUDIES BIOLOGY PSYCHOLOGY, CLINICAL BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 MATERIALS SCIENCE, TEXTILES 4 BIOCHEMICAL RESEARCH METHODS 1 SOCIAL SCIENCES, MATHEMATICAL METHODS 4 CELL BIOLOGY 1 EDUCATION, SPECIAL 4 DERMATOLOGY & VENEREAL DISEASES 1 ARCHAEOLOGY 4 ENDOCRINOLOGY & METABOLISM 1 PSYCHOLOGY, PSICOANÁLISIS 4 HEMATOLOGY 1 PHILOSOPHY MEDICINE, RESEARCH & EXPERIMENTAL 1 GEOSCIENCES, INTERDISCIPLINARY 5 NEUROSCIENCES 1 ENGINEERING, PETROLEUM PATHOLOGY MEDICAL INFORMATICS ONCOLOGY 1 MATHEMATICS, APPLIED 5 PHARMACOLOGY & PHARMACY 1 ENGINEERING, AEROSPACE 5 PHYSIOLOGY PHYSICS, MULTIDISCIPLINARY PARASITOLOGY PHYSICS, APPLIED VIROLOGY 1 ENGINEERING, MECHANICAL 5 MICROBIOLOGY 1 MATERIALS SCIENCE, PAPER & WOOD 5 BIOPHYSICS 1 ERGONOMICS MEDICAL LABORATORY TECHNOLOGY 1 FISHERIES 5 GENETICS & HEREDITY 1 PSYCHOLOGY, EXPERIMENTAL 5 IMMUNOLOGY 1 ENGINEERING, CIVIL 5 GERIATRICS & GERONTOLOGY 1 PSYCHOLOGY, DEVELOPMENTAL 5 UROLOGY & NEPHROLOGY 1 EDUCATION & EDUCATIONAL RESEARCH 5 DEVELOPMENTAL BIOLOGY 1 PSYCHOLOGY, EDUCATIONAL 5 MYCOLOGY 1 ECONOMICS MICROSCOPY 1 URBAN STUDIES 5 GASTROENTEROLOGY & HEPATOLOGY 2 SOCIAL SCIENCES, INTERDISCIPLINARY 5 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 2 PSYCHOLOGY, SOCIAL 5 AGRICULTURA 2 CRIMINOLOGY & PENOLOGY 5 FOOD SCIENCE & TECHNOLOGY 2 FAMILY STUDIES 5 ANATOMY & MORPHOLOGY 2 PSYCHOLOGY, APPLIED 5 SURGERY 2 ARCHITECTURE 5 CRYSTALLOGRAPHY 2 MATHEMATICS 6 CLINICAL NEUROLOGY 2 ASTRONOMY & ASTROPHYSICS 6 OBSTETRICS & GYNECOLOGY 2 PHYSICS, NUCLEAR 6 OPHTHALMOLOGY 2 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 6 PEDIATRICS 2 ENGINEERING, ELECTRICAL & ELECTRONIC 6 POLYMER SCIENCE 2 ENGINEERING 6 VETERINARY SCIENCES 2 AGRICULTURAL ECONOMICS & POLICY 6 CHEMISTRY, ORGANIC 2 PALEONTOLOGY 6 CHEMISTRY, ANALYTICAL 2 INSTRUMENTS & INSTRUMENTATION 6 CHEMISTRY, PHYSICAL 2 GEOCHEMISTRY & GEOPHYSICS 6 CHEMISTRY, INORGANIC & NUCLEAR 2 OCEANOGRAPHY 6 BEHAVIORAL SCIENCES 2 PHYSICS, PARTICLES & FIELDS 6 TOXICOLOGY 2 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 6 INFECTIOUS DISEASES 2 ENGINEERING, MARINE 6 RHEUMATOLOGY 2 THERMODYNAMICS 6 ALLERGY 2 MATERIALS SCIENCE, COATINGS & FILMS 6 BIOLOGY, MISCELLANEOUS 2 GEOGRAPHY 6 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 2 GEOLOGY 6 EMERGENCY MEDICINE & CRITICAL CARE 2 PHYSICS, MATHEMATICAL 6 MEDICINE, LEGAL 2 SOCIOLOGY 6 PERIPHERAL VASCULAR DISEASE 2 LAW 6 SPORT SCIENCES 2 PLANNING & DEVELOPMENT 6 ENGINEERING, BIOMEDICAL 2 BUSINESS, FINANCE CHEMISTRY, MEDICINAL 2 SOCIAL WORK 6 HORTICULTURA 2 POLITICAL SCIENCE 6 TRANSPLANTATION 2 HISTORY OF SOCIAL SCIENCES 6 HEALTH CARE SCIENCES & SERVICES 2 INDUSTRIAL RELATIONS & LABOR 6 EDUCATION, SCIENTIFIC DISCIPLINES 3 ENGINEERING, GEOLOGICAL 6 MATERIALS SCIENCE, MULTIDISCIPLINARY 3 OPTICS 7 ACOUSTICS 3 AUTOMATION & CONTROL SYSTEMS 7 CARDIAC & CARDIOVASCULAR SYSTEMS 3 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 7 AGRICULTURE, DAIRY & ANIMAL SCIENCE 3 TELECOMMUNICATIONS 7 AGRICULTURE, SOIL SCIENCE 3 MINERALOGY 7 ANESTHESIOLOGY 3 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 7 ENVIRONMENTAL SCIENCES 3 NUCLEAR SCIENCE & TECHNOLOGY 7 DENTISTRY, ORAL SURGERY & MEDICINE 3 PHYSICS, FLUIDS & PLASMAS 7 ECOLOGY 3 SPECTROSCOPY Capitulo 7: Resultados - 220 - ORTHOPEDICS 3 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 7 OTORHINOLARYNGOLOGY 3 ELECTROCHEMISTRY ENGINEERING, CHEMICAL 3 ENGINEERING, INDUSTRIAL 7 PSYCHIATRY 3 REMOTE SENSING TROPICAL MEDICINE 3 MANAGEMENT 7 REPRODUCTIVE BIOLOGY 3 SOCIAL ISSUES 7 HISTORY & PHILOSOPHY OF SCIENCE 3 PUBLIC ADMINISTRATION 7 ANTHROPOLOGY 3 AREA STUDIES REHABILITATION 3 INTERNATIONAL RELATIONS CHEMISTRY, APPLIED 3 HISTORY 7 MATHEMATICS, MISCELLANEOUS 3 ETHNIC STUDIES 7 MATERIALS SCIENCE, BIOMATERIALS 3 COMMUNICATION 7 SOCIAL SCIENCES, BIOMEDICAL 3 DEMOGRAPHY 7 PSYCHOLOGY, BIOLOGICAL 3 ENGINEERING, OCEAN 7 TRANSPORTATION 3 COMPUTER SCIENCE, THEORY & METHODS 8 NURSING 3 ENGINEERING, MANUFACTURING WOMEN'S STUDIES 3 COMPUTER SCIENCE, CYBERNETICS 8 HEALTH POLICY & SERVICES 3 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 8 ENERGY & FUELS 4 BUSINESS CONSTRUCTION & BUILDING TECHNOLOGY 4 LITERARY REVIEWS 8 RESPIRATORY SYSTEM 4 MUSIC 8 WATER RESOURCES 4 LITERATURE 8 MARINE & FRESHWATER BIOLOGY 4 ARTS & HUMANITIES, GENERAL 8 METALLURGY & METALLURGICAL ENGINEERING 4 RELIGION 8 MECHANICS 4 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 9 SUBSTANCE ABUSE 4 LANGUAGE & LINGUISTICS 9 STATISTICS & PROBABILITY 4 THEATER 9 MATERIALS SCIENCE, COMPOSITES 4 POETRY 9 PHYSICS, CONDENSED MATTER 4 LITERATURE, AMERICAN 9 METEOROLOGY & ATMOSPHERIC SCIENCES 4 ART 9 FORESTRY 4 COMPUTER SCIENCE, INFORMATION SYSTEMS 10 MATERIALS SCIENCE, CERAMICS 4 LITERATURE, ROMANCE 10 ENGINEERING, ENVIRONMENTAL 4 LITERATURE, SLAVIC 10 ANDROLOGY 4 INFORMATION SCIENCE & LIBRARY SCIENCE 11 Tabla 16. Distancias de las categorías del scientograma del mundo, respecto a su categoría central Trasladando estas distancias a un vector y haciéndoles corresponder a cada una de ellas un color distinto, es posible construir un nuevo scientograma que informa visualmente, de forma fácil y rápida, de la distancia de cada una de ellas con respecto a la categoría central, como podemos ver en la ilustración 52. Para facilitar el cálculo de las distancias, en la parte inferior izquierda de dicho scientograma se muestra una tabla de equivalencias entre color y distancias. - 221 - Ilustración 52. Scientograma de distancias del mundo, respecto a su categoría central Capitulo 7: Resultados - 222 - Prominencia Otra de las características del tándem de cocitación pura de categorías más PFNETs, es su capacidad para identificar las categorías más prominentes de un dominio. La detección de estas categorías es importante desde el punto de vista del análisis, ya que suelen ser el origen o núcleo de áreas temáticas. Apoyándonos de nuevo en el scientograma de la ilustración 48, y a simple vista, podemos detectar rápida y fácilmente las categorías más prominentes. Por ejemplo, detectamos que la categoría más prominente es la más central: Biochemistry & Molecular Biology. Desde esta posición y siguiendo el sentido de las agujas del reloj a partir de las doce punto, justo encima de esta categoría, localizamos a Medicine General & Internal, y dependiendo de ella a Public Environmental & Occupational Health. Hacia lo que serían aproximadamente las tres y cuarto, distinguimos: Chemistry Multidisciplinary, Material Science Multidisciplinary, Engineering Electrical & Electronic y Physics Multidisciplinary. Sobre las seis y media de nuestro hipotético reloj, encontramos a Environmental Sciences y colgando de ella, Geosciences Interdisciplinary. Un poco más a su izquierda podemos ver a Inmunology, a Psychiatry y dependiendo de esta última a Psychology. Sobre lo que serían las diez menos diez, encontramos rápidamente a Economics y a History, como categorías prominentes. De las catorce categorías detectadas a simple vista, diez son el origen o núcleo de un área temática: Biochemistry & Molecular Biology, Public Environmental & Occupational Health, Chemistry Multidisciplinary, Material Science Multidisciplinary, Engineering Electrical & Electronic, Physics Multidisciplinary, Geosciences Interdisciplinary, Psychiatry, Economics, y History. Este método visual utilizado por Chen, C. y Carr, L. (1999b) para la localización de especialidades en redes PFNETs de cocitación de autores, también da buenos resultados en la detección de áreas temáticas en redes Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 223 - PFNETs de cocitación de categorías, como acabamos de comprobar. Sobre todo cuando se sabe lo que se busca. Por ejemplo en nuestro caso, hemos decidido que una categoría era prominente si en ella confluían cuatro enlaces o más, y con ello hemos localizado el origen de diez áreas temáticas. Otros autores como White, H. D. (2003), utilizan las medidas de centralidad de grado para crear un vector, a partir del cual modificar el tamaño de los nodos de una red PFNETs y así detectar a simple vista los más prominentes. Este otro método, que suele ser muy útil en las redes PFNETs de cocitación de autores para descubrir especialidades, no lo es tanto en las de categorías, porque se produce un mayor número de aglomeraciones, aunque de menor grado. Justo lo contrario de lo que ocurre en las de autores. En consecuencia, y para que el número de categorías detectadas visualmente no sea muy elevado, hay que hacer muy pequeño el tamaño de los nodos 8 siempre proporcional a las medidas de centralidad de grado8 , lo que dificulta su detección visual. No obstante, hay que decir que detecta todas las categorías que son comienzo de un área temática, aunque también es verdad que el número de elementos prominentes que se identifican es excesivo. La ilustración 53, es un claro ejemplo de ello. - 224 - Ilustración 53. Scientograma de centralidad de grado, mundo 2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 225 - Nosotros, al igual que hacíamos anteriormente con las áreas temáticas, recurrimos al algoritmo robo para detectar y hacer fácilmente visibles las categorías más prominentes. El resultado se puede observar en el siguiente vector y en el scientograma de la ilustración 54. Categorías Prominencia BIOCHEMISTRY & MOLECULAR BIOLOGY 152.04 ECONOMICS 32.67 PSYCHOLOGY 30.22 GEOSCIENCES, INTERDISCIPLINARY 25.29 ENGINEERING, ELECTRICAL & ELECTRONIC 24.67 MATERIALS SCIENCE, MULTIDISCIPLINARY 21.50 PHYSICS, MULTIDISCIPLINARY 19.83 MATHEMATICS, APPLIED 17.00 ENVIRONMENTAL SCIENCES 16.05 LITERATURA 13.00 ECOLOGY 11.00 HISTORY 10.71 MATHEMATICS, MISCELLANEOUS 7.62 FOOD SCIENCE & TECHNOLOGY 7.18 BIOLOGY, MISCELLANEOUS 6.23 ENERGY & FUELS 3 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 3 CARDIAC & CARDIOVASCULAR SYSTEMS 3 ENGINEERING, MECHANICAL 3 REPRODUCTIVE BIOLOGY 3 REHABILITATION 3 ENGINEERING, BIOMEDICAL 3 ENGINEERING, CIVIL 3 ARCHAEOLOGY FAMILY STUDIES 3 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 2 PERIPHERAL VASCULAR DISEASE 2 SPORT SCIENCES 2 Tabla 17. Prominencia de las dieciséis primeras categorías del mundo De las veintinueve categorías que el algoritmo detecta como prominentes, identificamos a las quince primeras como las más representativas por medio del test scree. De ellas, doce coinciden con el origen de un área temática: Biochemistry & Molecular Biology, Material Science Multidisciplinary, Engineering Mechanical, Engineering Electrical & Electronic, Physics Multidisciplinary, Geosciences Interdisciplinary, Psychiatry, Food Science & Technology, Biology Miscellaneous, Mathematics Miscellaneous, Economics, y History, como pone de manifiesto el siguiente scientograma. - 226 - Ilustración 54. Scientograma de las categorías más prominentes del mundo Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 227 - Este método combina las ventajas de los dos anteriores. Por una parte, ofrece la fiabilidad y precisión del primero, mientras que por otra brinda todas las ventajas de un sistema visual de detección. De esta forma y para el caso que nos ocupa, se pueden identificar fácilmente doce de las dieciséis áreas temáticas detectadas por el AF, cuyo origen o núcleo es una categoría prominente. Aunque también es verdad que identifica otras tres, que no son origen de ningún área temática. De acuerdo con este nuevo método y en función de la naturaleza temática de las categorías detectadas, podemos distinguir tres tipos de categorías prominentes: 1. Las que ponen de manifiesto la imprecisión de las fronteras entre las distintas áreas temáticas que constituyen un mismo dominio. Poniendo de manifiesto el carácter multidisciplinaridad de las fuentes que constituyen esas categorías. Este es el caso de Economics, History, y Biology Miscellaneus. Por ejemplo, de Economics parten tres grandes ramas, indicando así su grado de multidisciplinaridad, como son: Ciencias Políticas, Sociología, e Historia de las Ciencias Sociales. De History, salen dos ramas que tienen peso por sí mismas como son: Literatura y Lingüística,por un lado y Arte y Humanidades, por otro. Y de Biology Miscellaneus, parte a su vez dos ramas: una hacia abajo que podemos identificar como Biología Animal y Ecología, mientras que la otra, hacia arriba, se muestra como el inicio de lo que puede ser considerado como Biología Humana. En algunas ocasiones, estas categorías señalan el origen o la aparición de especialidades. Este es el caso de Mechanics. Esta categoría indica el punto de confluencia de lo que el AF identifica como dos áreas temáticas: Ciencias de los Materiales y Física Aplicada, e Ingeniería Mecánica. Sin embargo, se trata de una sola área temática y una especialidad de la misma, como consecuencia de una detención tardía del AF. En general, podemos decir que este tipo de categorías prominentes son el origen o primera fase de evolución de un área temática. Capitulo 7: Resultados - 228 - 2. Aquellas que pertenecen a un área distinta a la que dan lugar. Son la frontera perfectamente definida entre dos áreas temáticas. Aunque integradas y consolidadas en un área temática, son el principal punto de intercambio de conocimiento entre las distintas áreas que ponen en contacto. En nuestro caso, situadas en la zona central-superior y derecha del scientograma son: Public Environmetal & Occupational Health, Chemistry Multidisciplinary, Material Sciences Multidisciplinary, Engineering Mechanical, Engineering Electric & Electronic, y Physics Multidisciplinary. Este tipo de categorías prominentes señalan especialidades afianzadas, al tiempo que áreas temáticas en fase de consolidación. 3. Las que pertenecen al mismo área temática que identifican. Denotan categorías totalmente integradas y consolidadas en el área. Son la fuente de conocimiento común para el resto de categorías que componen el área. Se localizan principalmente en la zona central e inferior del scientograma y son: Biochemistry & Molecular Biology, Geosciences Interdisciplinary, Psychology, y Mathematics Miscellaneus. Identifican áreas temáticas perfectamente consolidadas. Son cuatro las áreas temáticas que no hemos podido detectar en el scientograma: Etología, Política Sanitaria y Servicios Médicos, Ciencias del Suelo y Agricultura, y Ortopedia. Hecho que a su vez nos ha impedido identificar el núcleo de sus correspondientes áreas temáticas. La causa por la que no las hemos podido detectar, está en el número reducido de categorías que las componen 8 consecuencia de la fragmentación de la ciencia que hace el ISI en sus categorías8 y en su dispersión o falta de concentración en torno a una categoría común, que las pueda convertir en prominentes. Esto provoca que dichas áreas temáticas sólo puedan ser detectadas mediante AF, de ahí la importancia de este, y que sus categorías prominentes tengan que ser identificadas por el criterio del investigador. Por este orden son: Behavioral Science, Medicine General & Internal, Plants Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 229 - Science, y Surgery. Si nos fijamos bien, veremos que estas cuatro categorías son de las que hemos denominado como tipo 2, es decir, de las que siendo de un área temática, dan lugar a otra. Esto significa que pueden ser especialidades consolidadas, o bien, áreas temáticas en proceso de consolidación, o de desaparición. Pero resulta muy difícil aventurar una cosa u otra, sin disponer de scientogramas evolutivos, por lo que es mejor no aventurar nada. Para finalizar este apartado, queremos resaltar la importancia que tiene la combinación de centros y racimos, ya que permiten identificar y confirmar la existencia de posibles áreas temáticas que pasan totalmente desapercibidas para el AF. Este es el caso de la que podríamos denominar como Ciencias del Medio Ambiente en la zona central inferior del scientograma y de color gris oscuro, que está integrada por: Environmetal Sciences, como categoría prominente, y por Engineering Environmental, Water Resources, Engineering Civil y Engineering Marine. 7.1.3.3. Columna Vertebral de un Dominio Una de las ventajas de la construcción de scientogramas PFNETs basados en cocitación, es su facilidad para mostrar la columna vertebral sobre la que se apoya la investigación de un dominio. Esto se consigue gracias a la habilidad que tiene PFNETs para seleccionar los enlaces más significativos entre categorías, junto con la posibilidad gráfica de mostrar su intensidad de cocitación, mediante el grosor de los mismos. Volviendo de nuevo al scientograma del mundo 2002, tanto en su versión básica como factorial 8 ilustración 47 y 488 , podemos ver cómo hay unos enlaces más gruesos que el resto, que unen secuencias de categorías, insinuando la columna vertebral de este dominio. Para determinar qué enlaces y categorías son los que constituyen la columna vertebral de un dominio, tomamos como referencia el valor más alto del enlace que une dos áreas temáticas, y eliminamos los enlaces que quedan Capitulo 7: Resultados - 230 - por debajo de dicho valor junto con las categorías desconectadas. El resultado es la columna vertebral, o la forma en que se vertebra la ciencia en un dominio científico. En el scientograma que se muestra a continuación, hemos extraído la columna vertebral del scientograma factorial para poder estudiarla con más detalle. Son tres la áreas temáticas básicas del dominio mundial 2002: Biomedicina, Ciencias de los Materiales y Física Aplicada, y Química. Obviamente y puesto que Chemistry & Molecualr Biology era la categoría que más intervenía en el desarrollo del dominio, aquí también lo es. Resulta curioso ver que esta categoría, con las que más recursos comparte es con las de su propia área temática y en un segundo lugar, con las de otras áreas. Llama la atención el hecho de que pese a la simplificación tan extrema que hemos realizado, aún existan paths de largo recorrido en esta área como: Cardicac & Cardiovascular Systems ÅÆ Peripheral Vascular Disease ÅÆ Hematology ÅÆ Biochemistry & Molecular Biology, lo cual indica el grado de multidisciplinaridad de estas categorías. La Química aparece muy poco representada. Sin embargo ya es un logro el que lo haga en esta columna vertebral, aunque sólo sea con una categoría como es Chemistry. Ciencias de los Materiales y Física Aplicada, aparece como una versión reducida de su misma estructura del scientograma original. No obstante, sirve para poner de manifiesto la secuencia de su estructura básica, que va desde Chemistry Multidisplinary, hasta Physics Condensed Matter, que hace de puente de a Physics Applied, y a Physics Atomic Molecular & Chemical. - 231 - Ilustración 55. Scientograma de vertebración de la ciencia del mundo 2002 Capitulo 7: Resultados - 232 - 7.2. Scientografía y Comparación de Dominios En este apartado enfrentamos a dos grandes dominios geográficos como son la Unión Europea (UE) 5 y los Estados Unidos de América (USA). Para ello, hacemos un estudio conjunto de sus elementos más significativos en distintos apartados: scientograma, análisis factorial, scientograma factorial, etc., a partir de los cuales es posible comparar dichos elementos más significativos y extraer similitudes y diferencias. 7.2.1. Scientogramas El siguiente scientograma es la esquematización gráfica mediante PFNETs, de los 368.120 documentos científicos producidos por la UE en el año 2002 y recogidos en las bases de datos del ISI, agrupados por las 218 categorías del propio JCR. Al igual que en los casos anteriores, el grosor de los enlaces se ha hecho proporcional a la intensidad de cocitación de las categorías a las que unen, así como el tamaño de los nodos o esferas, lo es a la producción. La correspondencia puntual entre cada una de dichas categorías y su producción se puede observar en la tabla que sigue a este scientograma. 5 . Compuesta por la llamada Europa de los quince en el 2002: Francia, Alemania, Países Bajos, Bélgica, Luxemburgo, Italia, Dinamarca, Irlanda, Reino Unido, Grecia, España, Portugal, Austria, Finlandia y Suecia. - 233 - Ilustración 56. Scientograma del dominio UE, 2002 Capitulo 7: Resultados - 234 - Categoría Prod. Categoría Prod. ENERGY & FUELS 1462 MEDICINE, LEGAL 358 GEOSCIENCES, INTERDISCIPLINARY 5337 ANTHROPOLOGY 630 ENGINEERING, PETROLEUM 256 PERIPHERAL VASCULAR DISEASE 4727 GASTROENTEROLOGY & HEPATOLOGY 4557 REHABILITATION 838 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 4832 SPORT SCIENCES 1677 MATHEMATICS 5356 INSTRUMENTS & INSTRUMENTATION 3367 MEDICINE, GENERAL & INTERNAL 8610 GEOCHEMISTRY & GEOPHYSICS 4636 EDUCATION, SCIENTIFIC DISCIPLINES 365 MINERALOGY 810 MEDICAL INFORMATICS 569 ENGINEERING, ENVIRONMENTAL 1651 ENTOMOLOGY 1100 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 832 CHEMISTRY, MULTIDISCIPLINARY 6187 DEVELOPMENTAL BIOLOGY 1566 CONSTRUCTION & BUILDING TECHNOLOGY 608 ANDROLOGY 110 MATERIALS SCIENCE, MULTIDISCIPLINARY 10666 ENGINEERING, BIOMEDICAL 1984 COMPUTER SCIENCE, THEORY & METHODS 3425 OCEANOGRAPHY 2704 COMPUTER SCIENCE, INFORMATION SYSTEMS 1466 PSYCHOLOGY 1500 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 1565 NUCLEAR SCIENCE & TECHNOLOGY 3452 MATHEMATICS, APPLIED 5689 CHEMISTRY, APPLIED 1863 ACOUSTICS 120 PHYSICS, FLUIDS & PLASMAS 3033 CARDIAC & CARDIOVASCULAR SYSTEMS 6287 INFORMATION SCIENCE & LIBRARY SCIENCE 640 RESPIRATORY SYSTEM 3110 PHYSICS, PARTICLES & FIELDS 5024 AGRICULTURE, DAIRY & ANIMAL SCIENCE 1430 CHEMISTRY, MEDICINAL 2229 AGRICULTURE 1657 MATERIALS SCIENCE, PAPER & WOOD 421 AGRICULTURE, SOIL SCIENCE 1084 ERGONOMICS 273 NUTRITION & DIETETICS 2445 SPECTROSCOPY 2945 FOOD SCIENCE & TECHNOLOGY 3124 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 1361 ANESTHESIOLOGY 2514 ENGINEERING, MARINE 45 ANATOMY & MORPHOLOGY 571 THERMODYNAMICS 1026 ENGINEERING, AEROSPACE 770 MATERIALS SCIENCE, COATINGS & FILMS 1156 ASTRONOMY & ASTROPHYSICS 8194 FISHERIES 964 BIOCHEMISTRY & MOLECULAR BIOLOGY 23469 LIMNOLOGY 453 PLANT SCIENCES 5619 MATHEMATICS, MISCELLANEOUS 439 ZOOLOGY 2508 GEOGRAPHY 854 BIOLOGY 2557 ORNITHOLOGY 404 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 5262 MATERIALS SCIENCE, BIOMATERIALS 660 SURGERY 8913 GEOLOGY 755 CRYSTALLOGRAPHY 2340 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 2238 BIOCHEMICAL RESEARCH METHODS 3728 HORTICULTURE 717 CELL BIOLOGY 8671 COMPUTER SCIENCE, CYBERNETICS 294 DERMATOLOGY & VENEREAL DISEASES 2898 TRANSPLANTATION 2083 ENDOCRINOLOGY & METABOLISM 6277 PSYCHOLOGY, EXPERIMENTAL 1676 HEMATOLOGY 5622 PSYCHOLOGY, MATHEMATICAL 114 ENVIRONMENTAL SCIENCES 5566 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 375 WATER RESOURCES 2314 ENGINEERING, CIVIL 1398 MARINE & FRESHWATER BIOLOGY 3206 MINING & MINERAL PROCESSING 400 METALLURGY & METALLURGICAL ENGINEERING 2027 PHYSICS, MATHEMATICAL 3738 MECHANICS 3355 ELECTROCHEMISTRY 1112 MEDICINE, RESEARCH & EXPERIMENTAL 3528 PSYCHOLOGY, DEVELOPMENTAL 643 NEUROSCIENCES 11944 EDUCATION & EDUCATIONAL RESEARCH 1072 CLINICAL NEUROLOGY 8467 ENGINEERING, INDUSTRIAL 701 PATHOLOGY 3094 MYCOLOGY 540 OBSTETRICS & GYNECOLOGY 3243 PSYCHOLOGY, EDUCATIONAL 310 DENTISTRY, ORAL SURGERY & MEDICINE 1910 ENVIRONMENTAL STUDIES 1173 ECOLOGY 3229 SOCIAL SCIENCES, BIOMEDICAL 346 ONCOLOGY 9253 PSYCHOLOGY, BIOLOGICAL 476 OPHTHALMOLOGY 238 SOCIOLOGY 1285 ORTHOPEDICS 1935 LAW 397 OTORHINOLARYNGOLOGY 1419 MICROSCOPY 383 PEDIATRICS 3766 REMOTE SENSING 463 PHARMACOLOGY & PHARMACY 10997 TRANSPORTATION 128 PHYSICS, MULTIDISCIPLINARY 8030 PSYCHOLOGY, CLINICAL 1090 PHYSIOLOGY 4023 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 372 POLYMER SCIENCE 3341 MATERIALS SCIENCE, TEXTILES 194 PHYSICS, APPLIED 8939 ECONOMICS 3743 ENGINEERING, CHEMICAL 4179 SOCIAL SCIENCES, MATHEMATICAL METHODS 554 PSYCHIATRY 5887 BUSINESS 779 TROPICAL MEDICINE 563 MANAGEMENT 1154 PARASITOLOGY 1093 URBAN STUDIES 406 VETERINARY SCIENCES 3778 SOCIAL SCIENCES, INTERDISCIPLINARY 796 VIROLOGY 2285 PLANNING & DEVELOPMENT 740 SUBSTANCE ABUSE 471 BUSINESS, FINANCE 401 ENGINEERING, MECHANICAL 2461 SOCIAL ISSUES 308 MICROBIOLOGY 6609 PUBLIC ADMINISTRATION 421 STATISTICS & PROBABILITY 1933 SOCIAL WORK 365 PHYSICS, NUCLEAR 3668 PSYCHOLOGY, SOCIAL 656 OPTICS 4448 NURSING 612 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 6051 WOMEN'S STUDIES 167 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 235 - BIOPHYSICS 4618 AREA STUDIES 511 CHEMISTRY, ORGANIC 6518 POLITICAL SCIENCE 1377 CHEMISTRY, ANALYTICAL 5024 CRIMINOLOGY & PENOLOGY 309 MEDICAL LABORATORY TECHNOLOGY 864 INTERNATIONAL RELATIONS 831 CHEMISTRY, PHYSICAL 10261 EDUCATION, SPECIAL 127 MATERIALS SCIENCE, COMPOSITES 942 ARCHAEOLOGY 530 REPRODUCTIVE BIOLOGY 1894 HISTORY 4037 GENETICS & HEREDITY 6511 FAMILY STUDIES 210 IMMUNOLOGY 8295 HISTORY OF SOCIAL SCIENCES 519 ENGINEERING, ELECTRICAL & ELECTRONIC 7585 PSYCHOLOGY, PSYCHOANALYSIS 126 CHEMISTRY, INORGANIC & NUCLEAR 4819 LANGUAGE & LINGUISTICS 986 PHYSICS, CONDENSED MATTER 10434 PSYCHOLOGY, APPLIED 483 AUTOMATION & CONTROL SYSTEMS 1347 HEALTH POLICY & SERVICES 378 METEOROLOGY & ATMOSPHERIC SCIENCES 3437 PHILOSOPHY 990 BEHAVIORAL SCIENCES 1598 ETHNIC STUDIES 155 TOXICOLOGY 2647 INDUSTRIAL RELATIONS & LABOR 182 GERIATRICS & GERONTOLOGY 1055 COMMUNICATION 323 ENGINEERING 1266 DEMOGRAPHY 209 AGRICULTURAL ECONOMICS & POLICY 119 ENGINEERING, GEOLOGICAL 344 FORESTRY 1007 HEALTH CARE SCIENCES & SERVICES 1329 HISTORY & PHILOSOPHY OF SCIENCE 594 LITERATURE, ROMANCE 753 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 3325 THEATER 120 ENGINEERING, MANUFACTURING 903 LITERARY REVIEWS 180 INFECTIOUS DISEASES 4009 LITERATURE, SLAVIC 10 RHEUMATOLOGY 2137 ENGINEERING, OCEAN 249 UROLOGY & NEPHROLOGY 3832 MUSIC 297 TELECOMMUNICATIONS 1150 LITERATURE 1519 PALEONTOLOGY 896 POETRY 60 ALLERGY 1278 LITERATURE, AMERICAN 14 BIOLOGY, MISCELLANEOUS 905 ARTS & HUMANITIES, GENERAL 1949 MATERIALS SCIENCE, CERAMICS 1553 ARCHITECTURE 100 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 4431 ART 551 EMERGENCY MEDICINE & CRITICAL CARE 376 RELIGION 1216 Tabla 18. Relación de categorías JCR y producción del dominio UE 2002 El scientograma que se muestra a continuación, es la visualización PFNETs de las relaciones de los 316.878 documentos científicos producidos por USA en el año 2002, recogidos en las bases de datos del ISI y agrupados por las 218 categorías del propio JCR. La correspondencia exacta entre cada una de dichas categorías y su producción, se puede observar en la tabla que se muestra a continuación de dicho scientograma. - 236 - Ilustración 57. Scientograma del dominio USA, 2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 237 - Categoría Prod. Categoría Prod ENERGY & FUELS 943 MEDICINE, LEGAL 357 GEOSCIENCES, INTERDISCIPLINARY 4330 ANTHROPOLOGY 1341 ENGINEERING, PETROLEUM 402 PERIPHERAL VASCULAR DISEASE 3772 GASTROENTEROLOGY & HEPATOLOGY 2689 REHABILITATION 1553 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 4139 SPORT SCIENCES 2260 MATHEMATICS 3637 INSTRUMENTS & INSTRUMENTATION 1747 MEDICINE, GENERAL & INTERNAL 6733 GEOCHEMISTRY & GEOPHYSICS 3891 EDUCATION, SCIENTIFIC DISCIPLINES 835 MINERALOGY 420 MEDICAL INFORMATICS 515 ENGINEERING, ENVIRONMENTAL 1381 ENTOMOLOGY 1612 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 1207 CHEMISTRY, MULTIDISCIPLINARY 4887 DEVELOPMENTAL BIOLOGY 1828 CONSTRUCTION & BUILDING TECHNOLOGY 554 ANDROLOGY 101 MATERIALS SCIENCE, MULTIDISCIPLINARY 5236 ENGINEERING, BIOMEDICAL 1462 COMPUTER SCIENCE, THEORY & METHODS 2262 OCEANOGRAPHY 2503 COMPUTER SCIENCE, INFORMATION SYSTEMS 1844 PSYCHOLOGY 1749 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 1698 NUCLEAR SCIENCE & TECHNOLOGY 1442 MATHEMATICS, APPLIED 3601 CHEMISTRY, APPLIED 887 ACOUSTICS 975 PHYSICS, FLUIDS & PLASMAS 2033 CARDIAC & CARDIOVASCULAR SYSTEMS 5763 INFORMATION SCIENCE & LIBRARY SCIENCE 5556 RESPIRATORY SYSTEM 2327 PHYSICS, PARTICLES & FIELDS 2413 AGRICULTURE, DAIRY & ANIMAL SCIENCE 1156 CHEMISTRY, MEDICINAL 1818 AGRICULTURE 1382 MATERIALS SCIENCE, PAPER & WOOD 213 AGRICULTURE, SOIL SCIENCE 694 ERGONOMICS 209 NUTRITION & DIETETICS 2194 SPECTROSCOPY 1430 FOOD SCIENCE & TECHNOLOGY 1840 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 1302 ANESTHESIOLOGY 1375 ENGINEERING, MARINE 31 ANATOMY & MORPHOLOGY 402 THERMODYNAMICS 806 ENGINEERING, AEROSPACE 1060 MATERIALS SCIENCE, COATINGS & FILMS 642 ASTRONOMY & ASTROPHYSICS 580 FISHERIES 938 BIOCHEMISTRY & MOLECULAR BIOLOGY 21694 LIMNOLOGY 560 PLANT SCIENCES 3459 MATHEMATICS, MISCELLANEOUS 482 ZOOLOGY 2493 GEOGRAPHY 642 BIOLOGY 183 ORNITHOLOGY 361 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 3934 MATERIALS SCIENCE, BIOMATERIALS 408 SURGERY 815 GEOLOGY 491 CRYSTALLOGRAPHY 841 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 1923 BIOCHEMICAL RESEARCH METHODS 3127 HORTICULTURA 745 CELL BIOLOGY 8440 COMPUTER SCIENCE, CYBERNETICS 221 DERMATOLOGY & VENEREAL DISEASES 1628 TRANSPLANTATION 1482 ENDOCRINOLOGY & METABOLISM 4410 PSYCHOLOGY, EXPERIMENTAL 1462 HEMATOLOGY 413 PSYCHOLOGY, MATHEMATICAL 250 ENVIRONMENTAL SCIENCES 4900 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 267 WATER RESOURCES 1604 ENGINEERING, CIVIL 1826 MARINE & FRESHWATER BIOLOGY 1879 MINING & MINERAL PROCESSING 327 METALLURGY & METALLURGICAL ENGINEERING 1092 PHYSICS, MATHEMATICAL 1964 MECHANICS 2443 ELECTROCHEMISTRY 691 MEDICINE, RESEARCH & EXPERIMENTAL 3849 PSYCHOLOGY, DEVELOPMENTAL 1574 NEUROSCIENCES 10662 EDUCATION & EDUCATIONAL RESEARCH 2339 CLINICAL NEUROLOGY 6257 ENGINEERING, INDUSTRIAL 775 PATHOLOGY 2399 MYCOLOGY 257 OBSTETRICS & GYNECOLOGY 2582 PSYCHOLOGY, EDUCATIONAL 761 DENTISTRY, ORAL SURGERY & MEDICINE 1496 ENVIRONMENTAL STUDIES 1122 ECOLOGY 3043 SOCIAL SCIENCES, BIOMEDICAL 399 ONCOLOGY 8338 PSYCHOLOGY, BIOLOGICAL 612 OPHTHALMOLOGY 226 SOCIOLOGY 2198 ORTHOPEDICS 2346 LAW 2146 OTORHINOLARYNGOLOGY 1436 MICROSCOPY 228 PEDIATRICS 4073 REMOTE SENSING 441 PHARMACOLOGY & PHARMACY 8341 TRANSPORTATION 134 PHYSICS, MULTIDISCIPLINARY 3560 PSYCHOLOGY, CLINICAL 2634 PHYSIOLOGY 4242 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 367 POLYMER SCIENCE 1949 MATERIALS SCIENCE, TEXTILES 177 PHYSICS, APPLIED 6006 ECONOMICS 4193 ENGINEERING, CHEMICAL 2182 SOCIAL SCIENCES, MATHEMATICAL METHODS 565 PSYCHIATRY 5565 BUSINESS 160 TROPICAL MEDICINE 243 MANAGEMENT 1512 PARASITOLOGY 577 URBAN STUDIES 739 VETERINARY SCIENCES 3094 SOCIAL SCIENCES, INTERDISCIPLINARY 1112 VIROLOGY 2049 PLANNING & DEVELOPMENT 786 SUBSTANCE ABUSE 1061 BUSINESS, FINANCE 1017 ENGINEERING, MECHANICAL 237 SOCIAL SIGUES 433 MICROBIOLOGY 4059 PUBLIC ADMINISTRATION 464 STATISTICS & PROBABILITY 1868 SOCIAL WORK 688 PHYSICS, NUCLEAR 1534 PSYCHOLOGY, SOCIAL 1255 OPTICS 3008 NURSING 1288 Capitulo 7: Resultados - 238 - PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 2986 WOMEN'S STUDIES 583 BIOPHYSICS 3440 AREA STUDIES 1346 CHEMISTRY, ORGANIC 3635 POLITICAL SCIENCE 2386 CHEMISTRY, ANALYTICAL 2950 CRIMINOLOGY & PENOLOGY 445 MEDICAL LABORATORY TECHNOLOGY 1014 INTERNATIONAL RELATIONS 734 CHEMISTRY, PHYSICAL 4923 EDUCATION, SPECIAL 459 MATERIALS SCIENCE, COMPOSITES 454 ARCHAEOLOGY 629 REPRODUCTIVE BIOLOGY 1176 HISTORY 7807 GENETICS & HEREDITY 5318 FAMILY STUDIES 956 IMMUNOLOGY 7379 HISTORY OF SOCIAL SCIENCES 585 ENGINEERING, ELECTRICAL & ELECTRONIC 7509 PSYCHOLOGY, PSYCHOANALYSIS 253 CHEMISTRY, INORGANIC & NUCLEAR 1750 LANGUAGE & LINGUISTICS 725 PHYSICS, CONDENSED MATTER 4290 PSYCHOLOGY, APPLIED 1220 AUTOMATION & CONTROL SYSTEMS 877 HEALTH POLICY & SERVICES 1624 METEOROLOGY & ATMOSPHERIC SCIENCES 3478 PHILOSOPHY 1255 BEHAVIORAL SCIENCES 1884 ETHNIC STUDIES 127 TOXICOLOGY 2784 INDUSTRIAL RELATIONS & LABOR 462 GERIATRICS & GERONTOLOGY 1207 COMMUNICATION 972 ENGINEERING 1096 DEMOGRAPHY 327 AGRICULTURAL ECONOMICS & POLICY 237 ENGINEERING, GEOLOGICAL 342 FORESTRY 819 HEALTH CARE SCIENCES & SERVICES 2136 HISTORY & PHILOSOPHY OF SCIENCE 974 LITERATURE, ROMANCE 1059 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 1654 THEATER 495 ENGINEERING, MANUFACTURING 786 LITERARY REVIEWS 456 INFECTIOUS DISEASES 3239 LITERATURE, SLAVIC 112 RHEUMATOLOGY 957 ENGINEERING, OCEAN 277 UROLOGY & NEPHROLOGY 3064 MUSIC 679 TELECOMMUNICATIONS 1299 LITERATURA 2485 PALEONTOLOGY 348 POETRY 212 ALLERGY 580 LITERATURE, AMERICAN 502 BIOLOGY, MISCELLANEOUS 891 ARTS & HUMANITIES, GENERAL 2371 MATERIALS SCIENCE, CERAMICS 502 ARCHITECTURE 296 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 5767 ART 641 EMERGENCY MEDICINE & CRITICAL CARE 803 RELIGIÓN 1984 Tabla 19. Relación de categorías JCR y producción del dominio USA 2002 A primera vista, los dos scientogramas se parecen bastante. Ambos tienen la apariencia de una neurona humana, con un gran axón o neurita central. Pero tras esta visión general de su estructura, empezamos a detectar diferencias. Por ejemplo que el axón del scientograma de USA parece de mayor tamaño que el de la UE. Además las ramificaciones que se producen en torno a cada uno de esos axones, son más densas y pobladas en el scientograma de la UE, que en el de USA. Para una comparación más detallada realizaremos un análisis macroestructural basándonos en el AF de cada uno de estos dominios, descenderemos después a un análisis microestructural a través de los scientogramas factoriales, y finalizaremos comparando la columna vertebral de cada uno de ellos. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 239 - 7.2.2. Análisis Factorial El análisis factorial identifica treinta y cuatro factores en la matriz de cocitación de 218 x 218 categorías de la UE. De estos, se han extraído quince factores de acuerdo con el test scree, que coinciden con aquellos que cuentan con un eigenvalue mayor o igual a uno. Estos acumulan un total del 68.7% de la varianza. Para captar la naturaleza y categorizar cada uno de estos factores, hemos seguido la misma metodología que en el apartado 7.1.2 (Análisis de un Dominio). El resultado es el que se muestra en la siguiente tabla. Factor Nombre de Factor Eigenvalue % varianza % de varianza acumulada 1 Biomedicina 42.74 19.6 19.6 2 Ciencias de los Materiales y Física Aplicada 22.93 10.5 30.1 3 Gestión, Derecho y Economía 14.95 6.9 37 4 Ciencias de la Tierra y del Espacio 13.25 6.1 43.1 5 Psicología 10.43 4.8 47.8 6 Informática y Telecomunicaciones 7.89 3.6 51.5 7 Biología Animal, Ecología 7.04 3.2 54.7 8 Humanidades 5.33 2.4 57.1 9 Física Nuclear y de Partículas 5.07 2.3 59.5 10 Política Sanitaria, Servicios Médicos 4.62 2.1 61.6 11 Ingeniería Mecánica 4.13 1.9 63.5 12 Ortopedia 3.43 1.6 65 13 Matemáticas Aplicadas 3 1.4 66.4 14 Química 2.66 1.2 67.6 15 Agricultura y Ciencias del Suelo 2.29 1.1 68.7 Tabla 20. Factores extraídos del dominio UE 2002 Las tablas con las categorías que componen cada uno de los quince factores de la UE, junto con sus correspondientes factor loadings, se recogen en el anexo III. En el caso del dominio USA, los factores identificados con un eigenvalue mayor o igual a uno a partir de la matriz original de cocitación de 218 x 218 categorías productivas, han sido veintinueve. De esos factores, de acuerdo con el test scree, hemos extraído catorce, los cuales coinciden de nuevo con los que cuentan con un eigenvalue mayor o igual a uno. Estos catorce factores, acumulan un 69.8% de la varianza. El método Capitulo 7: Resultados - 240 - para categorizar los factores extraídos, ha sido el mismo que el utilizado en el dominio de la UE. Factor Nombre de Factor Eigenvalue % varianza % de varianza acumulada 1 Biomedicina 44.632 20.5 20.5 2 Psicología 25.533 11.7 32.2 3 Ciencias de los Materiales y Física Aplicada 15.928 7.3 39.5 4 Ciencias de la Tierra y del Espacio 13.237 6.1 45.6 5 Gestión, Derecho y Economía 10.279 4.7 50.3 6 Informática y Telecomunicaciones 8.282 3.8 54.1 7 Biología Animal y Ecología 6.517 3 57.1 8 Humanidades 6.055 2.8 59.8 9 Política Sanitaria, Servicios Médicos 4.463 2 61.9 10 Agricultura y Ciencias del Suelo 4.282 2 63.9 11 Ingeniería Mecánica 4.099 1.9 65.7 12 Ortopedia 3.411 1.6 67.3 13 Matemáticas Aplicadas 3.029 1.4 68.7 14 Física Nuclear y de Partículas 2.434 1.1 69.8 Tabla 21. Factores extraídos del dominio USA 2002 Las tablas con las categorías que componen cada uno de los catorce factores de USA, junto con sus correspondientes factor loadings, aparecen incluidos en el anexo III. La primera diferencia es evidente y surge como consecuencia de comparar el número de factores que componen cada dominio. El dominio de la UE cuenta con quince factores, frente a los catorce del dominio USA. La diferencia está en el factor Química, como se deduce de las dos tablas anteriores y como se puede observar en los scientogramas factoriales de cada dominio, que mostramos más adelante. La causa de esta diferencia se debe a que las categorías que componen el factor Química en el dominio UE aparecen identificadas en el dominio USA como miembros de otros factores: Chemistry Inorganic & Nuclear, Engineering Chemical, Crystallography, Chemistry Medical y Chemistry Multidisciplinary, en el factor denominado como Ciencias de los Materiales y Física Aplicada. También puede ocurrir que no sean detectadas por ningún otro factor: Chemistry Organic, Chemistry Applied y Material Sciences Textiles. No obstante y pese a su menor número de factores, la cantidad de varianza acumulada por el dominio USA es mayor que la del dominio UE: un 69.8%, frente a un Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 241 - 68.7%, respectivamente. Esto significa que los catorce factores detectados en el caso de USA explican más sobre la totalidad del dominio, que los quince de la UE. Esto nos indica también que las relaciones entre las categorías de los factores del dominio USA son más fuertes y concentradas, que en el dominio UE donde son más débiles y difusas. Por ejemplo, en el factor número seis de los dos dominios: Informática y Telecomunicaciones, USA acumula un 3.8% de la varianza con ocho categorías con un factor loading igual o superior a 0.5, mientras que la UE acumula un 3.6% con diez categorías con un factor loading de las mismas características. Resulta además curioso que la categoría Information Science & Library Sciences, sea identificada como miembro de este factor en el dominio UE, y que en USA, esta categoría quede sin factorizar. Esto puede deberse a que los investigadores del dominio en el que más se publica sobre esta materia, es decir USA 8 ver scientogramas y/o tablas de producción por categorías anteriores8 , consideran que la relación que existe entre la Informática en general y la Biblioteconomía y Documentación en particular, no es tan estrecha como opinan los investigadores europeos. Esto se debe en gran medida a que en USA, los trabajos relacionados con la Informática y las Nuevas tecnologías, han primado menos que los afines a otras áreas. La segunda diferencia está en el orden de los factores de cada dominio y por tanto en la cantidad de varianza que acumula cada factor. Aunque es verdad que el número de categorías que componen cada factor está condicionado por las revistas aceptadas por el JCR y por las categorías que este les asigna, lo cual provoca que haya factores integrados por un alto número de categorías como es el caso de Biomedicina, y otras por muy pocas como: Ortopedia, o Agricultura y Ciencias del Suelo; lo cierto es que este hecho es igual para todos los dominios. Por tanto, si un dominio difiere de otro en el orden de sus factores, se estará indicando la discrepancia que existe en cuanto a la varianza que acumula cada factor en cada uno de los dominios que se estudian. Por ejemplo, si comparamos el orden de los factores de las tablas 20 y 21, veremos que Psicología ocupa el segundo lugar en el dominio USA con un 11.7% de varianza acumulada, mientras Capitulo 7: Resultados - 242 - que en el de la UE es el quinto con un 4.8%. Esto nos indica que las categorías que componen el área temática de la Psicología en USA, están mucho más relacionadas que las que conforman la misma área en la UE. Lo mismo podríamos decir, pero en el caso contrario, de las Ciencias de los Materiales y Física Aplicada, de la Gestión, Derecho y Economía, y de la Física Nuclear y de Partículas en el dominio UE, con respecto al de USA. Poniendo de manifiesto el valor que la industria y la energía tienen en el viejo continente, así como la diferencia de atención que recibe el factor Gestión, Derecho y Economía, respecto al dominio USA. 7.2.2.1. Scientogramas Factoriales Al igual que en el scientograma factorial del mundo, y con el fin de ayudar a reconocer a simple vista cada una de las áreas temáticas, así como las categorías que las integran, hemos asignado el mismo color a cada una de las categorías que componen un mismo factor. Aquellas que no han sido identificadas, y que por tanto no pertenecen a ninguna área temática, se han coloreado de color gris oscuro. En la zona inferior izquierda de cada scientograma se ha situado una leyenda en la que se establece la equivalencia entre el color de cada área temática y el nombre asignado a cada una de ellas. Para ayudar a establecer visualmente la relación entre el tamaño de cada una de las categorías y su producción real, se ha representado una esfera de referencia con un tamaño equivalente a mil documentos. Finalmente, se han coloreado de rojo las categorías que pertenecen a más de un área temática. De las doscientas dieciocho categorías que componen los scientogramas factoriales de los dominios UE y USA, el del dominio UE, muestra ciento noventa y ocho categorías factorizadas y deja veinte sin factorizar, mientras que el del dominio USA recoge ciento noventa y dos Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 243 - factorizadas, y por tanto veintiséis sin factorizar. Las categorías no factorizadas por ninguno de los dos dominios son once: Categorías MATERIALS SCIENCE, BIOMATERIALS MUSIC HISTORY & PHILOSOPHY OF SCIENCE PHILOSOPHY ENGINEERING, MANUFACTURING ENGINEERING, ENVIRONMENTAL MATERIALS SCIENCE, PAPER & WORD ENGINEERING, INDUSTRIAL MATHEMATICS ARCHAEOLOGY TRANSPORTATION Tabla 22. Categorías no factorizadas por ninguno de los dos dominios Ninguna de estas once categorías ha sido tampoco factorizada en el scientograma factorial del mundo. Algo lógico por otra parte, si tenemos en cuenta que los dos dominios que aquí se comparan suponen el 65.1% de la producción total mundial, por lo que el comportamiento científico de ambos, se refleja necesariamente en el dominio mundial. Las categorías no factorizadas por el dominio UE, pero que sí lo han sido en su contrario son nueve, y se muestran en la siguiente tabla junto con el área temática en la que han sido factorizadas en el dominio USA. Categoría Área Temática FOOD SCIENCE & TECHNOLOGY Biomedicina REHABILITATION Psicología ART Humanidades ENGINEERING, MARINE Ciencias de la Tierra y del Espacio THEATER Humanidades POETRY Humanidades ARCHITECTURE Gestión, Derecho y Economía LITERATURE, AMERICAN Humanidades IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY Ciencias de la Tierra y del Espacio Tabla 23. Categorías no factorizadas en el dominio UE Capitulo 7: Resultados - 244 - Del mismo modo, las categorías no factorizadas por el dominio USA, pero que han sido factorizadas por el dominio UE en sus áreas temáticas, son las quince que se muestran a continuación: Categoría Área Temática MEDICINE, LEGAL Biomedicina BEHAVIORAL SCIENCES Etología CHEMISTRY, ORGANIC Química CHEMISTRY, APPLIED Química COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS Física Nuclear y de Partículas OPERATIONS RESEARCH & MANAGEMENT SCIENCE Informática y Telecomunicaciones MATERIALS SCIENCE, TEXTILES Química MANAGEMENT Gestión, Derecho y Economía ENERGY & FUELS Ciencias de los Materiales y Física Aplicada BUSINESS Gestión, Derecho y Economía INFORMATION SCIENCE & LIBRARY SCIENCE Informática y Telecomunicaciones LITERATURE, SLAVIC Humanidades METALLURGY & METALLURGICAL ENGINEERING Ciencias de los Materiales y Física Aplicada LITERATURE, ROMANCE Humanidades LITERATURA Humanidades Tabla 24. Categorías no factorizadas en el dominio USA - 245 - Ilustración 58. Scientograma factorial del dominio UE, 2002 - 246 - Ilustración 59. Scientograma factorial del dominio USA, 2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 247 - 7.2.3. Comparación de Dominios 7.2.3.1. Macroestructura Los dos dominios presentan una misma estructura centro-periferia, con una gran área temática haciendo de punto de interconexión de otras áreas temáticas más pequeñas que la rodean. Del mismo modo, ambos dominios presentan la distribución típica bibliométrica: pocas áreas temáticas de gran tamaño y muchas pequeñas. Al igual que ocurría en el scientograma factorial del mundo, tanto en el dominio UE, como en el de USA, también podemos detectar lo que en aquel habíamos dado en llamar como esquema típico de vertebración macroestructural de la ciencia de los países desarrollados, es decir, las ciencias biomédicas y de la tierra en la zona central, las ciencias duras en la parte derecha, y las ciencias blandas en la zona izquierda. Desde un punto de vista relativo, las posiciones que ocupan los factores en sus distintos scientogramas son iguales. Sólo hay un cambio apreciable desde el punto de vista visual, y es la posición del área temática de la Psicología. Sin embargo esta diferencia se debe más a criterios de ordenación espaciales propios del algoritmo de representación, que a cambios estructurales. Donde sí que hay diferencias estructurales es en la forma en que se conectan las distintas áreas temáticas, es decir, en las secuencias o paths de categorías que las enlazan, como veremos más adelante. Centralidad Si construimos una red de áreas temáticas para cada uno de los scientogramas factoriales y enlazamos dichas áreas por sus paths de conexión, llegaremos a la conclusión de que el área temática más central en ambos dominios es Biomedicina, tal y como muestra en la tabla 25. Esto significa que tanto en USA como en la UE, es el área más universal y por Capitulo 7: Resultados - 248 - tanto, la que más contribuye al desarrollo científico de sus respectivos dominios. Dominio UE Área Temática Grado Biomedicina 7 Ciencias de los Materiales, Física Aplicada 4 Biología Animal, Ecología 2 Gestión, Derecho y Economía 2 Matemáticas Aplicadas 2 Química 2 Agricultura y Ciencias del Suelo 1 Ciencias de la Tierra y del Espacio 1 Física Nuclear y de Partículas 1 Humanidades 1 Informática y Telecomunicaciones 1 Ingeniería Mecánica 1 Ortopedia 1 Política Sanitaria, Servicios Médicos 1 Psicología 1 Dominio USA Área Temática Grado Biomedicina 7 Ciencias de los Materiales, Física Aplicada 4 Biología Animal, Ecología 2 Gestión, Derecho y Economía 2 Matemáticas Aplicadas 2 Agricultura y Ciencias del Suelo 1 Ciencias de la Tierra y del Espacio 1 Física Nuclear y de Partículas 1 Humanidades 1 Informática y Telecomunicaciones 1 Ingeniería Mecánica 1 Ortopedia 1 Política Sanitaria, Servicios Médicos 1 Psicología 1 Tabla 25. Centralidad de grado de áreas temáticas en los dominios UE y USA Si comparamos la centralidad de grado, los dos dominios son prácticamente iguales. De hecho, serían exactamente iguales si no fuese por la ausencia del área temática de la Química en el dominio USA. El grado de cercanía o alejamiento del resto de áreas temáticas con respecto a Biomedicina, que indica el grado de universalidad o exclusividad de las fuentes de dichas áreas, es el mismo en los dos dominios. Ambos, coinciden, en que Informática y Telecomunicaciones, y Humanidades,son las áreas temáticas que menos información intercambian con el resto. Prominencia Mediante el algoritmo de robo, al igual que ocurre con la centralidad, ambos dominios identifican a la Biomedicina como al área temática más prominente, como consecuencia de la naturaleza y tipo de relaciones que mantiene con el resto de áreas. Pero las coincidencias se detienen aquí, como se deduce de las siguientes tablas. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 249 - Dominio UE Área Temática Prominencia Biomedicina 15.27 Ciencias de los Materiales, Física Aplicada 7.72 Gestión, Derecho y Economía 3 Matemáticas Aplicadas 2 Dominio USA Área Temática Prominencia Biomedicina 21 Gestión, Derecho y Economía 3 Matemáticas Aplicadas 2 Tabla 26. Prominencia de áreas temáticas en los dominios UE y USA Aunque Biomedicina es la categoría más prominente en ambos dominios, lo es mucho más en USA que en la UE. Prácticamente es el centro de investigación del dominio estadounidense, al que sólo acompaña y de forma mínima, el área de Gestión, Derecho y Economía, y Matemáticas Aplicadas. El caso europeo es más equilibrado. Aunque domina la investigación en el área de la Biomedicina, esta se reparte por otras tres áreas como son: Ciencias de los Materiales y Física Aplicada, Gestión, Derecho y Economía, y Matemáticas Aplicadas. Paths de Interconexión entre Áreas Temáticas Recurriendo de nuevo a los scientogramas factoriales de los dominios UE y USA, la primera diferencia que encontramos está en la forma en que se conectan Biomedicina y Psicología. En el dominio de la UE, la conexión entre estas áreas temáticas es la siguiente: Biochemistry & Molecular Biology ÅÆ Neurosciences ÅÆ Clinical Neurology ÅÆ Psychiatry ÅÆ Psychology. Mientras que para USA es: Biochemistry & Molecular Biology ÅÆ Neurosciences ÅÆ Clinical Neurology ÅÆ Psychiatry ÅÆ Psychology. Esto nos hace suponer que en la UE, la investigación en Psicología se centra más en los estudios clínicos y patológicos, de ahí su conexión intermedia con Clinical Neurology, mientras que en USA, es más teórica y dedicada al estudio de la psique del individuo. Una de las diferencias más importantes se aprecia por la ausencia del área temática de la Química en el dominio USA. Esto provoca, que en este dominio, la Biomedicina conecte directamente con las Ciencias de los Materiales y Física Aplicada, mientras que en Europa, sea precisamente la Capitulo 7: Resultados - 250 - Química quien hace de puente entre ambas. Significando esto que aunque el path de conexión entre la Biomedicina y las Ciencias de los Materiales y Física Aplicada, es el mismo en ambos dominios, las fuentes relacionadas con las categorías integradas por el área de la Química, son más profusamente utilizadas, por los investigadores europeos que por los americanos. Mientras que en USA la Ingeniería Mecánica está estrechamente relacionada con las Ciencias de los Materiales y Física Aplicada, en Europa se muestra difuminada entre el área temática anterior y la Física Nuclear y de Partículas. En el dominio de la UE, el área de la Biología Animal y la Ecología tiene una mayor vinculación con los estudios relacionados con la Genética y la Herencia. De ahí el path que le une con la Biomedicina: Biology Miscellaneous ÅÆ Genetics & Heredity ÅÆ Biochemistry & Molecular Biology. Sin embargo, en USA las investigaciones realizadas sobre esta materia se centran principalmente en la Biología como tal, como indica su path de conexión con la Biomedicina: Biology Miscellaneous ÅÆ Biology ÅÆ Biochemistry & Molecular Biology. Las Matemáticas Aplicadas tienen el mismo path de conexión en los dos dominios. Pero queremos resaltar la importancia de dicho path: Biology Miscellaneous ÅÆ Mathematics Miscellaneous ÅÆ Social Sciences Mathematics, pues es el puente de conexión entre las áreas temáticas: Gestión, Derecho y Economía, y Humanidades, con el resto de áreas. Puntos de Interacción entre Áreas Temáticas Existen una serie de categorías que en los scientogramas aparecen de rojo. Estas indican las zonas de fricción o puntos de interacción entre las distintas áreas temáticas. El estudio comparado por dominios de estas categorías responsables del intercambio de información entre áreas temáticas, pone de manifiesto las coincidencias y diferencias existentes Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 251 - entre las líneas de investigación a las que estos intercambios dan lugar en los diferentes dominios objeto de estudio. Tanto en el dominio UE, como en el de USA, el nivel de interacción entre áreas temáticas es bastante bajo, pues en estos dominios como máximo, una categoría pertenece a dos áreas temáticas. Las categorías multidisciplinares coincidentes en el dominio de la UE como el de USA, con sus correspondientes áreas temáticas son las siguientes: Categoría Áreas Temáticas BUSINESS, FINANCE Gestión, Derecho y Economía Matemáticas Aplicadas COMMUNICATION Gestión, Derecho y Economía Psicología CRYSTALLOGRAPHY Química Ciencias de los Materiales y Física Aplicada MATERIALS SCIENCE, COMPOSITES Ingeniería Mecánica Ciencias de los Materiales y Física Aplicada OTORHINOLARYNGOLOGY Biomedicina Ortopedia PSYCHOLOGY, MATHEMATICAL Psicología Matemáticas Aplicadas ZOOLOGY Biomedicina Biología Animal y Ecología Tabla 27. Categorías con doble adscripción temática de los dominios UE y USA Las interacciones entre áreas temáticas que se producen en el dominio de la UE y que no se originan en el de USA, son las que se muestran a continuación: Categoría Áreas Temáticas ANESTHESIOLOGY Biomedicina Ortopedia ARTS & HUMANITIES, GENERAL Humanidades Gestión, Derecho y Economía BIOLOGY, MISCELLANEOUS Biomedicina Biología Animal y Ecología CHEMISTRY, MEDICINAL Biomedicina Química CHEMISTRY, MULTIDISCIPLINARY Química Ciencias de los Materiales y Física Aplicada ENGINEERING, CHEMICAL Química Ciencias de los Materiales y Física Aplicada OPTICS Física Nuclear y de Partículas Ciencias de los Materiales y Física Aplicada PHYSICS, MULTIDISCIPLINARY Física Nuclear y de Partículas Ciencias de los Materiales y Física Aplicada SOCIAL SCIENCES, INTERDISCIPLINARY Gestión, Derecho y Economía Psicología SOCIAL WORK Política Sanitaria y Servicios Médicos Psicología WOMEN'S STUDIES Política Sanitaria y Servicios Médicos Psicología Tabla 28. Categorías con doble adscripción temática del dominio UE Capitulo 7: Resultados - 252 - Finalmente, las coincidencias entre áreas temáticas que aparecen en USA y no en la UE son: Categoría Áreas Temáticas EMERGENCY MEDICINE & CRITICAL CARE Biomedicina Política Sanitaria y Servicios Médicos ENGINEERING Ingeniería Mecánica Ciencias de los Materiales y Física Aplicada ENTOMOLOGY Biología Animal y Ecología Biomedicina FORESTRY Agricultura y Ciencias del Suelo Biología Animal y Ecología MATERIALS SCIENCE CHARACTERIZATION TEST Ingeniería Mecánica Ciencias de los Materiales y Física Aplicada SOCIAL SIGUES Psicología Gestión, Derecho y Economía SOCIAL SCIENCES, BIOMEDICAL Política Sanitaria y Servicios Médicos Psicología SOCIOLOGY Sociología Gestión, Derecho y Economía Tabla 29. Categorías con doble adscripción temática del dominio USA 7.2.3.2. Microestructura Tanto el dominio de la UE, como el de USA, cuentan con doscientas dieciocho categorías, las mismas para los dos casos. Del mismo modo, disponen de doscientos diecisiete enlaces para interconectarlas y ninguna categoría aislada. Los scientogramas de ambos son un claro ejemplo de la naturaleza hiperbólica de las distribuciones bibliométricas, observándose una mayor concentración de categorías de mayor tamaño en el centro y en el centro-derecha del scientograma, al mismo tiempo que menor en la zona izquierda. Existe por tanto una mayor producción por parte de las categorías pertenecientes a las ciencias médicas y duras, que por aquellas vinculadas a las ciencias blandas. De la misma forma, tanto un dominio como otro siguen el ya típico patrón de conexión centro-periferia, el cual, se encarga de mantener la cohesión de la estructura de los scientograma. Centralidad Sin lugar a dudas, y a simple vista, en ambos scientogramas, la categoría más central es Biochemistry & Molecular Biology. No obstante, recurrimos a las medidas de centralidad para determinar su grado en uno y otro dominio. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 253 - Dominio UE Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 26 MEDICINE, GENERAL & INTERNAL 10 ECONOMICS 10 GEOSCIENCES, INTERDISCIPLINARY 8 MATERIALS SCIENCE, MULTIDISCIPLINARY 7 PSYCHIATRY 7 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 7 PHYSICS, MULTIDISCIPLINARY 6 IMMUNOLOGY 6 LITERATURA 6 CHEMISTRY, MULTIDISCIPLINARY 5 SURGERY 5 ENVIRONMENTAL SCIENCES 5 NEUROSCIENCES 5 CHEMISTRY, PHYSICAL 5 Dominio USA Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 31 ECONOMICS 11 GEOSCIENCES, INTERDISCIPLINARY 9 MEDICINE, GENERAL & INTERNAL 9 PSYCHOLOGY 8 MATERIALS SCIENCE, MULTIDISCIPLINARY 7 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 7 CHEMISTRY, MULTIDISCIPLINARY 6 ENVIRONMENTAL SCIENCES 6 NEUROSCIENCES 6 ENGINEERING, ELECTRICAL & ELECTRONIC 6 PHYSICS, MULTIDISCIPLINARY 5 PSYCHIATRY 5 IMMUNOLOGY SOCIOLOGY Tabla 30. Centralidad de grado de las quince primeras categorías de los dominios UE y USA Biochemistry & Molecular Biology es la categoría más central de los dos dominios geográficos. Esto la convierte en la más universal de todas las categorías de cada dominio, pues es la que más fuentes comparte con el resto, y como consecuencia, en la que más interviene en el desarrollo científico de sus respectivos dominios. Debido a su mayor grado nodal, todo ello lo es más en el dominio USA que en el de la UE. El grado de universalidad y participación del resto de categorías en el desarrollo de cada dominio, dependerá de la distancia geodésica de cada una de ellas con respecto a su respectiva categoría central. Capitulo 7: Resultados - 254 - Categoría Distancia Categoría Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 LIMNOLOGY 4 MEDICINE, GENERAL & INTERNAL 1 ORNITHOLOGY 4 ENTOMOLOGY 1 PSYCHOLOGY, MATHEMATICAL CHEMISTRY, MULTIDISCIPLINARY 1 PSYCHOLOGY, DEVELOPMENTAL 4 NUTRITION & DIETETICS 1 PSYCHOLOGY, CLINICAL 4 PLANT SCIENCES 1 MATERIALS SCIENCE, TEXTILES 4 ZOOLOGY 1 SOCIAL SCIENCES, MATHEMATICAL METHODS 4 BIOLOGY 1 CRIMINOLOGY & PENOLOGY 4 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 EDUCATION, SPECIAL 4 BIOCHEMICAL RESEARCH METHODS 1 ARCHAEOLOGY 4 DERMATOLOGY & VENEREAL DISEASES 1 PSYCHOLOGY, PSYCHOANALYSIS 4 ENDOCRINOLOGY & METABOLISM 1 PHILOSOPHY 4 MEDICINE, RESEARCH & EXPERIMENTAL 1 GEOSCIENCES, INTERDISCIPLINARY 5 NEUROSCIENCES 1 ENGINEERING, PETROLEUM PATHOLOGY 1 EDUCATION, SCIENTIFIC DISCIPLINES 5 ONCOLOGY 1 MEDICAL INFORMATICS 5 PHARMACOLOGY & PHARMACY 1 AGRICULTURE, DAIRY & ANIMAL SCIENCE 5 PHYSIOLOGY 1 ENGINEERING, AEROSPACE 5 PARASITOLOGY 1 PHYSICS, NUCLEAR 5 MICROBIOLOGY 1 PHYSICS, CONDENSED MATTER 5 BIOPHYSICS 1 PHYSICS, PARTICLES & FIELDS 5 MEDICAL LABORATORY TECHNOLOGY 1 FISHERIES 5 GENETICS & HEREDITY 1 PSYCHOLOGY, EXPERIMENTAL 5 IMMUNOLOGY 1 ENGINEERING, CIVIL 5 GERIATRICS & GERONTOLOGY 1 PHYSICS, MATHEMATICAL 5 DEVELOPMENTAL BIOLOGY 1 PSYCHOLOGY, EDUCATIONAL 5 MICROSCOPY ECONOMICS GASTROENTEROLOGY & HEPATOLOGY 2 PSYCHOLOGY, SOCIAL 5 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 2 FAMILY STUDIES 5 CARDIAC & CARDIOVASCULAR SYSTEMS 2 PSYCHOLOGY, APPLIED 5 AGRICULTURE 2 ENGINEERING, OCEAN SURGERY 2 ARCHITECTURE 5 CRYSTALLOGRAPHY 2 ART 5 CELL BIOLOGY 2 MATERIALS SCIENCE, MULTIDISCIPLINARY 6 CLINICAL NEUROLOGY 2 MATHEMATICS, APPLIED 6 OBSTETRICS & GYNECOLOGY 2 ASTRONOMY & ASTROPHYSICS 6 OPHTHALMOLOGY 2 PHYSICS, APPLIED PEDIATRICS 2 AGRICULTURAL ECONOMICS & POLICY 6 VETERINARY SCIENCES 2 PALEONTOLOGY 6 VIROLOGY 2 GEOCHEMISTRY & GEOPHYSICS 6 CHEMISTRY, ORGANIC 2 OCEANOGRAPHY 6 CHEMISTRY, ANALYTICAL 2 NUCLEAR SCIENCE & TECHNOLOGY 6 CHEMISTRY, PHYSICAL 2 PHYSICS, FLUIDS & PLASMAS 6 CHEMISTRY, INORGANIC & NUCLEAR 2 ENGINEERING, MARINE 6 BEHAVIORAL SCIENCES 2 GEOGRAPHY 6 TOXICOLOGY 2 GEOLOGY FORESTRY COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 6 INFECTIOUS DISEASES 2 EDUCATION & EDUCATIONAL RESEARCH 6 RHEUMATOLOGY 2 SOCIOLOGY 6 UROLOGY & NEPHROLOGY 2 LAW 6 ALLERGY 2 PLANNING & DEVELOPMENT 6 BIOLOGY, MISCELLANEOUS 2 BUSINESS, FINANCE 6 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 2 AREA STUDIES 6 MEDICINE, LEGAL 2 POLITICAL SCIENCE 6 SPORT SCIENCES 2 HISTORY OF SOCIAL SCIENCES 6 ENGINEERING, BIOMEDICAL 2 INDUSTRIAL RELATIONS & LABOR 6 CHEMISTRY, MEDICINAL 2 ENGINEERING, GEOLOGICAL 6 HORTICULTURE 2 MATHEMATICS 7 COMPUTER SCIENCE, CYBERNETICS 2 CONSTRUCTION & BUILDING TECHNOLOGY 7 TRANSPLANTATION 2 METALLURGY & METALLURGICAL ENGINEERING 7 MYCOLOGY 2 MECHANICS 7 HEALTH CARE SCIENCES & SERVICES 2 MATERIALS SCIENCE, COMPOSITES 7 ACOUSTICS 3 ENGINEERING, ELECTRICAL & ELECTRONIC 7 RESPIRATORY SYSTEM 3 ENGINEERING 7 AGRICULTURE, SOIL SCIENCE 3 MATERIALS SCIENCE, CERAMICS 7 ANESTHESIOLOGY 3 INSTRUMENTS & INSTRUMENTATION 7 ANATOMY & MORPHOLOGY 3 MINERALOGY 7 ENVIRONMENTAL SCIENCES 3 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 7 DENTISTRY, ORAL SURGERY & MEDICINE 3 MATERIALS SCIENCE, COATINGS & FILMS 7 ECOLOGY 3 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 7 ORTHOPEDICS 3 MINING & MINERAL PROCESSING 7 OTORHINOLARYNGOLOGY 3 ENVIRONMENTAL STUDIES POLYMER SCIENCE 3 REMOTE SENSING 7 ENGINEERING, CHEMICAL 3 PUBLIC ADMINISTRATION 7 PSYCHIATRY 3 INTERNATIONAL RELATIONS 7 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 255 - TROPICAL MEDICINE 3 HISTORY 7 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 3 ETHNIC STUDIES 7 REPRODUCTIVE BIOLOGY 3 DEMOGRAPHY 7 HISTORY & PHILOSOPHY OF SCIENCE 3 MUSIC 7 EMERGENCY MEDICINE & CRITICAL CARE 3 ENGINEERING, MECHANICAL 8 ANTHROPOLOGY 3 AUTOMATION & CONTROL SYSTEMS 8 PERIPHERAL VASCULAR DISEASE 3 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 8 REHABILITATION 3 TELECOMMUNICATIONS CHEMISTRY, APPLIED 3 SPECTROSCOPY 8 MATERIALS SCIENCE, PAPER & WOOD 3 ENGINEERING, INDUSTRIAL MATHEMATICS, MISCELLANEOUS 3 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 8 MATERIALS SCIENCE, BIOMATERIALS 3 MANAGEMENT 8 ELECTROCHEMISTRY 3 URBAN STUDIES SOCIAL SCIENCES, BIOMEDICAL 3 LITERATURE 8 PSYCHOLOGY, BIOLOGICAL 3 ARTS & HUMANITIES, GENERAL 8 TRANSPORTATION 3 RELIGION SOCIAL WORK 3 COMPUTER SCIENCE, THEORY & METHODS 9 NURSING 3 ENGINEERING, MANUFACTURING WOMEN'S STUDIES 3 ERGONOMICS 9 HEALTH POLICY & SERVICES 3 BUSINESS 9 ENERGY & FUELS 4 SOCIAL SCIENCES, INTERDISCIPLINARY 9 FOOD SCIENCE & TECHNOLOGY 4 LANGUAGE & LINGUISTICS 9 HEMATOLOGY 4 THEATER WATER RESOURCES 4 LITERARY REVIEWS 9 MARINE & FRESHWATER BIOLOGY 4 POETRY 9 PHYSICS, MULTIDISCIPLINARY 4 LITERATURE, AMERICAN 9 SUBSTANCE ABUSE 4 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 10 STATISTICS & PROBABILITY 4 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 10 OPTICS 4 SOCIAL ISSUES 10 METEOROLOGY & ATMOSPHERIC SCIENCES 4 COMMUNICATION 10 ENGINEERING, ENVIRONMENTAL 4 LITERATURE, ROMANCE 10 ANDROLOGY 4 LITERAT SLAVIC 10 PSYCHOLOGY 4 COMPUTER SCIENCE, INFORMATION SYSTEMS 11 THERMODYNAMICS 4 INFORMATION SCIENCE & LIBRARY SCIENCE 12 Tabla 31. Distancias de las categorías del scientograma del dominio UE, respecto a su categoría central - 256 - Ilustración 60. Scientograma de distancias del dominio UE, respecto a su categoría central Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 257 - Categoría Distancia Categoría Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 FORESTRY 4 GASTROENTEROLOGY & HEPATOLOGY 1 ENGINEERING, ENVIRONMENTAL 4 MEDICINE, GENERAL & INTERNAL 1 ERGONOMICS 4 ENTOMOLOGY 1 SPECTROSCOPY CHEMISTRY, MULTIDISCIPLINARY 1 LIMNOLOGY 4 PLANT SCIENCES 1 ORNITHOLOGY 4 BIOLOGY PSYCHOLOGY, EXPERIMENTAL BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 PSYCHOLOGY, MATHEMATICAL 4 CRYSTALLOGRAPHY 1 PSYCHOLOGY, DEVELOPMENTA BIOCHEMICAL RESEARCH METHODS 1 EDUCATION & EDUCATIONAL RESEARCH 4 DERMATOLOGY & VENEREAL DISEASES 1 SOCIAL SCIENCES, MATHEMATICAL METHODS 4 ENDOCRINOLOGY & METABOLISM 1 SOCIAL SCIENCES, INTERDISCIPLINARY 4 HEMATOLOGY 1 PSYCHOLOGY, SOCIAL MEDICINE, RESEARCH & EXPERIMENTAL 1 EDUCATION, SPECIAL 4 NEUROSCIENCES 1 ARCHAEOLOGY PATHOLOGY 1 FAMILY STUDIES ONCOLOGY PSYCHOLOGY, APPLIED 4 OPHTHALMOLOGY PHILOSOPHY PHARMACOLOGY & PHARMACY 1 ENGINEERING, PETROLEUM 5 PHYSIOLOGY 1 MATHEMATICS, APPLIED PARASITOLOGY ASTRONOMY & ASTROPHYSICS 5 VIROLOGY 1 PHYSICS, NUCLEAR 5 MICROBIOLOGY 1 PHYSICS, CONDENSED MATTER 5 BIOPHYSICS 1 METEOROLOGY & ATMOSPHERIC SCIENCES 5 GENETICS & HEREDITY 1 PALEONTOLOGY 5 IMMUNOLOGY 1 INSTRUMENTS & INSTRUMENTATION 5 GERIATRICS & GERONTOLOGY 1 GEOCHEMISTRY & GEOPHYSICS 5 UROLOGY & NEPHROLOGY 1 OCEANOGRAPHY 5 DEVELOPMENTAL BIOLOGY 1 PHYSICS, PARTICLES & FIELDS 5 ANDROLOGY 1 MATERIALS SCIENCE, PAPER & WOOD 5 MYCOLOGY 1 FISHERIES MICROSCOPY GEOGRAPHY RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 2 GEOLOGY 5 AGRICULTURE 2 ENGINEERING, CIVIL NUTRITION & DIETETICS 2 PHYSICS, MATHEMATICAL 5 FOOD SCIENCE & TECHNOLOGY 2 PSYCHOLOGY, EDUCATIONAL 5 ZOOLOGY 2 SOCIOLOGY SURGERY ECONOMICS CELL BIOLOGY 2 SOCIAL WORK 5 CLINICAL NEUROLOGY 2 CRIMINOLOGY & PENOLOGY 5 OBSTETRICS & GYNECOLOGY 2 ENGINEERING, GEOLOGICAL 5 PEDIATRICS 2 MATHEMATICS 6 POLYMER SCIENCE 2 CONSTRUCTION & BUILDING TECHNOLOGY 6 PSYCHIATRY 2 MATERIALS SCIENCE, MULTIDISCIPLINARY VETERINARY SCIENCES 2 ENGINEERING, AEROSPACE 6 CHEMISTRY, ORGANIC 2 PHYSICS, APPLIED 6 CHEMISTRY, ANALYTICAL 2 ENGINEERING 6 MEDICAL LABORATORY TECHNOLOGY 2 AGRICULTURAL ECONOMICS & POLICY 6 CHEMISTRY, PHYSICAL 2 MINERALOGY 6 CHEMISTRY, INORGANIC & NUCLEAR 2 NUCLEAR SCIENCE & TECHNOLOGY 6 BEHAVIORAL SCIENCES 2 ENGINEERING, MARINE 6 TOXICOLOGY 2 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 6 INFECTIOUS DISEASES 2 ENVIRONMENTAL STUDIES 6 RHEUMATOLOGY 2 LAW 6 ALLERGY REMOTE SENSING BIOLOGY, MISCELLANEOUS 2 BUSINESS 6 Capitulo 7: Resultados - 258 - PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 2 PLANNING & DEVELOPMENT 6 EMERGENCY MEDICINE & CRITICAL CARE 2 BUSINESS, FINANCE 6 MEDICINE, LEGAL 2 SOCIAL ISSUES 6 PERIPHERAL VASCULAR DISEASE 2 PUBLIC ADMINISTRATION 6 SPORT SCIENCES 2 POLITICAL SCIENCE 6 ENGINEERING, BIOMEDICAL 2 HISTORY OF SOCIAL SCIENCES 6 CHEMISTRY, APPLIED 2 ETHNIC STUDIES 6 CHEMISTRY, MEDICINAL 2 INDUSTRIAL RELATIONS & LABOR 6 HORTICULTURE 2 DEMOGRAPHY 6 COMPUTER SCIENCE, CYBERNETICS 2 ENGINEERING, OCEAN 6 TRANSPLANTATION 2 RELIGION HEALTH CARE SCIENCES & SERVICES 2 METALLURGY & METALLURGICAL ENGINEERING 7 EDUCATION, SCIENTIFIC DISCIPLINES 3 MECHANICS 7 MEDICAL INFORMATICS 3 MATERIALS SCIENCE, COMPOSITES 7 ACOUSTICS 3 ENGINEERING, ELECTRICAL & ELECTRONIC 7 CARDIAC & CARDIOVASCULAR SYSTEMS 3 MATERIALS SCIENCE, CERAMICS 7 AGRICULTURE, DAIRY & ANIMAL SCIENCE 3 MATERIALS SCIENCE, COATINGS & FILMS 7 ANESTHESIOLOGY 3 MATERI SCIENCE, CHARACTERIZATION & TESTING 7 ANATOMY & MORPHOLOGY 3 MINING & MINERAL PROCESSING 7 ENVIRONMENTAL SCIENCES 3 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 7 DENTISTRY, ORAL SURGERY & MEDICINE 3 MANAGEMENT 7 ECOLOGY 3 URBAN STUDIES ORTHOPEDICS 3 AREA STUDIES 7 OTORHINOLARYNGOLOGY 3 INTERNATIONAL RELATIONS ENGINEERING, CHEMICAL 3 HISTORY 7 TROPICAL MEDICINE 3 COMMUNICATION 7 SUBSTANCE ABUSE 3 MUSIC 7 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 8 REPRODUCTIVE BIOLOGY 3 ENGINEERING, MECHANICAL 8 HISTORY & PHILOSOPHY OF SCIENCE 3 AUTOMATION & CONTROL SYSTEMS 8 ANTHROPOLOGY 3 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 8 REHABILITATION 3 TELECOMMUNICATIONS PSYCHOLOGY 3 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 8 MATHEMATICS, MISCELLANEOUS 3 PHYSICS, FLUIDS & PLASMAS 8 MATERIALS SCIENCE, BIOMATERIALS 3 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 8 SOCIAL SCIENCES, BIOMEDICAL 3 ELECTROCHEMISTRY 8 PSYCHOLOGY, BIOLOGICAL 3 LITERARY REVIEWS 8 TRANSPORTATION 3 LITERATURE 8 PSYCHOLOGY, CLINICAL 3 ARTS & HUMANITIES, GENERAL 8 MATERIALS SCIENCE, TEXTILES 3 ARCHITECTURE 8 NURSING 3 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 9 WOMEN'S STUDIES 3 INFORMATION SCIENCE & LIBRARY SCIENCE 9 PSYCHOLOGY, PSYCHOANALYSIS 3 THERMODYNAMICS 9 HEALTH POLICY & SERVICES 3 ENGINEERING, INDUSTRIAL 9 ENERGY & FUELS 4 LANGUAGE & LINGUISTICS 9 GEOSCIENCES, INTERDISCIPLINARY 4 THEATER 9 RESPIRATORY SYSTEM 4 POETRY 9 AGRICULTURE, SOIL SCIENCE 4 LITERATURE, AMERICAN 9 WATER RESOURCES 4 ART 9 MARINE & FRESHWATER BIOLOGY 4 COMPUTER SCIENCE, THEORY & METHODS 10 PHYSICS, MULTIDISCIPLINARY 4 ENGINEERING, MANUFACTURING 10 STATISTICS & PROBABILITY 4 LITERATURE, ROMANCE 10 OPTICS 4 LITERATURE, SLAVIC 10 Tabla 32. Distancias de las categorías del scientograma del dominio USA, respecto a su categoría central - 259 - Ilustración 61. Scientograma de distancias del dominio USA, respecto a su categoría central Capitulo 7: Resultados - 260 - En cuanto a la distancia geodésica de las categorías de ambos dominios con respecto a su categoría central, los resultados son muy similares. La UE tiene un path máximo de once, mientras que en USA es de diez. Si bien es verdad que sólo hay una categoría con una distancia máxima de once, que es precisamente Library & Information Science. No obstante, hay algunas diferencias que merece la pena resaltar, que se muestran en la siguiente tabla. Categoría Distancia UE Distancia USA Diferencia de Distancias ERGONOMICS 9 4 5 SOCIAL SCIENCES, INTERDISCIPLINARY 9 4 5 SPECTROSCOPY 8 4 SOCIAL ISSUES 10 6 4 ANDROLOGY 4 1 3 HEMATOLOGY 4 BUSINESS 9 6 COMMUNICATION 10 7 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 11 8 3 INFORMATION SCIENCE & LIBRARY SCIENCE 12 9 3 Tabla 33. Diferencias de distancias geodésicas entre los dominios UE y USA Por ejemplo, las dos primeras categorías de la tabla anterior: Ergonomics y Social Sciences Interdisciplinary, están a una distancia de nueve enlaces respecto a su categoría central en el dominio UE, mientras que en el dominio USA están sólo a cuatro. Esto significa que en el caso USA, estas categorías participan de una forma más activa en la investigación que en Europa. Hecho que no es de extrañar, si miramos su adscripción temática en un dominio y en otro: Psicología en el caso USA, y Gestión, Derecho y Economía en el de Europa. Lo mismo podemos decir de Andrology y Hematology, poniéndose además de manifiesto por sus distancias mínimas respecto a la categoría central, que ambas intervienen mucho más en la investigación americana, que en la europea. El caso de Library Science & Information Science, es curioso al tiempo que significativo del tipo de investigación que se realiza en ambos dominios. Mientras que en el caso de la UE, su vinculación más significativa es con la categoría Computer Science Information Systems, es decir, su principal objeto de Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 261 - investigación está relacionado con los sistemas de información automatizados, en USA, esta categoría se relaciona directamente con Engineering Electric & Electronic, es decir, con el núcleo del que parte toda la investigación relacionada con la informática. Esto nos lleva a decir que su investigación está más relacionada con la Informática en general que con una sola de sus disciplinas específicas. Este mismo hecho, explica también las diferencias de distancias en ambos dominios. Prominencia El algoritmo de robo detecta veintinueve categorías prominentes en el dominio de la UE y veintiocho en el de USA. Del mismo modo que ocurría con la centralidad, ambos dominios identifican a Biochemistry & Molecular Biology como al área temática más prominente, como se puede ver en las tablas que se muestran a continuación. Sin embargo, sólo coinciden en eso pues por ejemplo, el grado de prominencia de esta categoría en USA, es ligeramente mayor que en Europa. También difieren en el nombre y orden de las categorías identificadas como más prominentes, siendo superior en la mayoría de los casos, cuando coinciden, el grado de prominencia de dichas categorías en USA que en Europa. Capitulo 7: Resultados - 262 - Dominio UE Categoría Prominencia BIOCHEMISTRY & MOLECULAR BIOLOGY 156.62 ECONOMICS 28.86 PSYCHIATRY 27.33 GEOSCIENCES, INTERDISCIPLINARY 25.69 PHYSICS, MULTIDISCIPLINARY 22.57 CHEMISTRY, PHYSICAL 21.82 LITERATURA 21.57 MATERIALS SCIENCE, MULTIDISCIPLINARY 14.62 BIOLOGY, MISCELLANEOUS 12.94 ENVIRONMENTAL SCIENCES 12.56 ENGINEERING, ELECTRICAL & ELECTRONIC 11.14 MATHEMATICS, APPLIED 9 MATHEMATICS, MISCELLANEOUS 9 COMPUTER SCIENCE, THEORY & METHODS 6.86 ARCHAEOLOGY 5.86 ENGINEERING, INDUSTRIAL 5 SOCIAL SCIENCES, INTERDISCIPLINARY 5 MANAGEMENT 4 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 3 MECHANICS 3 CHEMISTRY, ANALYTICAL 3 REPRODUCTIVE BIOLOGY 3 REHABILITATION 3 INSTRUMENTS & INSTRUMENTATION 3 ENGINEERING, BIOMEDICAL 3 ENGINEERING, CIVIL 3 ENVIRONMENTAL STUDIES 3 SPORT SCIENCES 2 NUCLEAR SCIENCE & TECHNOLOGY 2 Dominio USA Categoría Prominencia BIOCHEMISTRY & MOLECULAR BIOLOGY 164.97 GEOSCIENCES, INTERDISCIPLINARY 38.67 ECONOMICS 30.93 PSYCHOLOGY 23.71 ENGINEERING, ELECTRICAL & ELECTRONIC 23.00 LITERATURA 21.53 MATERIALS SCIENCE, MULTIDISCIPLINARY 20.75 PHYSICS, MULTIDISCIPLINARY 19.25 SOCIOLOGY 13.75 ECOLOGY 11 BIOLOGY, MISCELLANEOUS 7.23 MATHEMATICS, MISCELLANEOUS 6.68 MATHEMATICS, APPLIED 5.86 ENGINEERING, CIVIL 3 ENERGY & FUELS 3 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 3 CARDIAC & CARDIOVASCULAR SYSTEMS 3 FOOD SCIENCE & TECHNOLOGY 3 CELL BIOLOGY 3 REHABILITATION 3 INSTRUMENTS & INSTRUMENTATION 3 ENGINEERING, BIOMEDICAL 3 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 3 ENGINEERING, INDUSTRIAL 3 URBAN STUDIES 3 PERIPHERAL VASCULAR DISEASE 2 SPORT SCIENCES 2 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 2 MANAGEMENT 2 Tabla 34. Prominencia de categorías en los dominios UE y USA El test scree identifica trece categorías como las más prominentes del dominio de la UE, de las cuales doce, son el origen de un área temática detectada por el AF. En el caso del dominio USA, son también trece las categorías identificadas y once las que coinciden con el origen de un área temática, como se puede ver en los scientogramas de prominencia que mostramos a continuación. - 263 - Ilustración 62. Scientograma de las categorías más prominentes del dominio UE - 264 - Ilustración 63. Scientograma de las categorías más prominentes del dominio USA Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 265 - Las tres categorías de cada dominio que no han sido detectadas por el algoritmo de robo, deben ser identificadas a la vista del scientograma factorial de cada dominio y del número de enlaces de cada categoría. Resulta curioso que estas tres categorías: Medicine General & Internal, Plants Science, y Surgery, con sus correspondientes áreas temáticas a las que dan lugar: Política Sanitaria y Servicios Médicos, Ciencias del Suelo y de la Tierra, y Ortopedia, sean las mismas para los dos dominios. Y si recordamos, también lo eran para el dominio mundial. Donde decíamos que posiblemente, identificasen más a especialidades que a áreas temáticas. 7.2.3.3. Columna Vertebral Las diferencias en cuanto a vertebración de la ciencia en ambos dominios son muy significativas, como ponen de manifiesto los scientogramas que se muestran a continuación. La UE centra sus esfuerzos en investigación en tres áreas temáticas: Biomedicina, Ciencias de los Materiales y Física Aplicada, y Química. Mientras que en USA, fundamentalmente se centran en una. Estas diferencias, posiblemente se deban a las distintas políticas gubernamentales sobre investigación establecidas en cada dominio geográfico y sobre todo, a la política sanitaria que se sigue en cada uno de ellos: privada en USA y principalmente pública en la UE. Mientras que en Europa son treinta las categorías con un alto flujo de intercambio y producción de información, como reflejan el grosor de sus enlaces y el tamaño de sus categorías, en USA, estas sólo son veinticuatro. Es decir, seis menos que en la UE. Ahora bien esas veinticuatro categorías de USA, suponen seis categorías más que en la UE en el área temática de Biomedicina. - 266 - Ilustración 64. Scientograma de vertebración de la ciencia del dominio UE 2002 - 267 - Ilustración 65. Scientograma de vertebración del dominio USA 2002 Capitulo 7: Resultados - 268 - 7.3. Scientografía y Evolución de Dominios El siguiente análisis se centra en la evolución temporal del dominio geográfico español, a través de tres scientogramas que acumulan cuatro años cada uno, a partir de 1990. Las características de estos tres scientogramas son las mismas de los vistos hasta ahora. Pero con la peculiaridad de que en este caso muestran, porque los tienen, enlaces débiles que podríamos denominar como dudosos, como señalamos en el apartado 6.4.1. Por ello, estas conexiones entre categorías, aparecen de color rojo. 7.3.1. Scientogramas Las ilustraciones 66, 67 y 68, recogen los scientogramas de la producción científicas española de los periodos: 1990-1994, 1995-1998 y 1999-2002, que suponen la esquematización gráfica de 71.085, 88.166 y 110.286 documentos, agrupados en sus respectivas 219, 223 y 240 categorías JCR, cuya producción aparece desglosada en las tablas 35, 36 y 37. - 269 - Ilustración 66. Scientograma del dominio geográfico español, 1990-1994 Capitulo 7: Resultados - 270 - Categoría Prod. Categoría Prod. ENERGY & FUELS 345 ANTHROPOLOGY 60 GEOSCIENCES, INTERDISCIPLINARY 439 PERIPHERAL VASCULAR DISEASE 463 ENGINEERING, PETROLEUM 21 REHABILITATION 19 GASTROENTEROLOGY & HEPATOLOGY 2001 SPORT SCIENCES 48 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 553 INSTRUMENTS & INSTRUMENTATION 456 MATHEMATICS 1306 GEOCHEMISTRY & GEOPHYSICS 292 MEDICINE, GENERAL & INTERNAL 5286 MINERALOGY 135 EDUCATION, SCIENTIFIC DISCIPLINES 101 ENGINEERING, ENVIRONMENTAL 94 MEDICAL INFORMATICS 52 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 151 ENTOMOLOGY 241 DEVELOPMENTAL BIOLOGY 193 CHEMISTRY, MULTIDISCIPLINARY 2643 ANDROLOGY 27 CONSTRUCTION & BUILDING TECHNOLOGY 65 ENGINEERING, BIOMEDICAL 113 MATERIALS SCIENCE, MULTIDISCIPLINARY 1344 OCEANOGRAPHY 180 COMPUTER SCIENCE, THEORY & METHODS 347 PSYCHOLOGY 491 COMPUTER SCIENCE, INFORMATION SYSTEMS 165 NUCLEAR SCIENCE & TECHNOLOGY 414 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 85 CHEMISTRY, APPLIED 788 MATHEMATICS, APPLIED 804 PHYSICS, FLUIDS & PLASMAS 271 ACOUSTICS 70 INFORMATION SCIENCE & LIBRARY SCIENCE 115 CARDIAC & CARDIOVASCULAR SYSTEMS 766 PHYSICS, PARTICLES & FIELDS 446 RESPIRATORY SYSTEM 443 CHEMISTRY, MEDICINAL 293 AGRICULTURE, DAIRY & ANIMAL SCIENCE 294 MATERIALS SCIENCE, PAPER & WOOD 37 AGRICULTURE 972 ERGONOMICS 5 AGRICULTURE, SOIL SCIENCE 346 SPECTROSCOPY 498 NUTRITION & DIETETICS 358 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 84 FOOD SCIENCE & TECHNOLOGY 1363 ENGINEERING, MARINE 30 ANESTHESIOLOGY 103 THERMODYNAMICS 53 ANATOMY & MORPHOLOGY 381 MATERIALS SCIENCE, COATINGS & FILMS 139 ENGINEERING, AEROSPACE 31 FISHERIES 179 ASTRONOMY & ASTROPHYSICS 1328 LIMNOLOGY 80 BIOCHEMISTRY & MOLECULAR BIOLOGY 4352 MATHEMATICS, MISCELLANEOUS 80 PLANT SCIENCES 2032 GEOGRAPHY 60 ZOOLOGY 649 ORNITHOLOGY 155 BIOLOGY 445 MATERIALS SCIENCE, BIOMATERIALS 35 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 982 GEOLOGY 102 SURGERY 1064 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 266 CRYSTALLOGRAPHY 518 HORTICULTURE 135 BIOCHEMICAL RESEARCH METHODS 416 COMPUTER SCIENCE, CYBERNETICS 69 CELL BIOLOGY 1193 TRANSPLANTATION 468 DERMATOLOGY & VENEREAL DISEASES 670 PSYCHOLOGY, EXPERIMENTAL 153 ENDOCRINOLOGY & METABOLISM 1106 PSYCHOLOGY, MATHEMATICAL 35 HEMATOLOGY 902 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 36 ENVIRONMENTAL SCIENCES 1041 ENGINEERING, CIVIL 248 WATER RESOURCES 296 MINING & MINERAL PROCESSING 53 MARINE & FRESHWATER BIOLOGY 998 PHYSICS, MATHEMATICAL 430 METALLURGY & METALLURGICAL ENGINEERING 288 ELECTROCHEMISTRY 383 MECHANICS 264 PSYCHOLOGY, DEVELOPMENTAL 17 MEDICINE, RESEARCH & EXPERIMENTAL 492 EDUCATION & EDUCATIONAL RESEARCH 60 NEUROSCIENCES 2027 ENGINEERING, INDUSTRIAL 13 CLINICAL NEUROLOGY 732 MYCOLOGY 187 PATHOLOGY 581 PSYCHOLOGY, EDUCATION 12 OBSTETRICS & GYNECOLOGY 270 ENVIRONMENTAL STUDIES 46 DENTISTRY, ORAL SURGERY & MEDICINE 143 SOCIAL SCIENCES, BIOMEDICAL 14 ECOLOGY 522 PSYCHOLOGY, BIOLOGICAL 147 ONCOLOGY 877 SOCIOLOGY 16 OPHTHALMOLOGY 322 LAW 23 ORTHOPEDICS 202 MICROSCOPY 90 OTORHINOLARYNGOLOGY 91 REMOTE SENSING 47 PEDIATRICS 455 TRANSPORTATION 8 PHARMACOLOGY & PHARMACY 2530 PSYCHOLOGY, CLINICAL 66 PHYSICS, MULTIDISCIPLINARY 1818 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 45 PHYSIOLOGY 1000 MATERIALS SCIENCE, TEXTILES POLYMER SCIENCE 850 ECONOMICS 234 PHYSICS, APPLIED 1093 SOCIAL SCIENCES, MATHEMATICAL METHODS 81 ENGINEERING, CHEMICAL 714 BUSINESS 36 PSYCHIATRY 371 MANAGEMENT 63 TROPICAL MEDICINE 65 URBAN STUDIES 28 PARASITOLOGY 195 SOCIAL SCIENCES, INTERDISCIPLINARY 18 VETERINARY SCIENCES 627 PLANNING & DEVELOPMENT 27 VIROLOGY 283 BUSINESS, FINANCE 26 SUBSTANCE ABUSE 112 SOCIAL ISSUES 8 ENGINEERING, MECHANICAL 122 PUBLIC ADMINISTRATION 10 MICROBIOLOGY 1614 SOCIAL WORK 4 STATISTICS & PROBABILITY 278 PSYCHOLOGY, SOCIAL 62 PHYSICS, NUCLEAR 618 NURSING 9 OPTICS 614 WOMEN'S STUDIES 2 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 271 - PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 897 AREA STUDIES 10 BIOPHYSICS 892 POLITICAL SCIENCE 37 CHEMISTRY, ORGANIC 2464 CRIMINOLOGY & PENOLOGY 4 CHEMISTRY, ANALYTICAL 2627 INTERNATIONAL RELATIONS 23 MEDICAL LABORATORY TECHNOLOGY 181 EDUCATION, SPECIAL 5 CHEMISTRY, PHYSICAL 2624 ARCHAEOLOGY 28 MATERIALS SCIENCE, COMPOSITES 16 HISTORY 303 REPRODUCTIVE SYSTEMS 189 FAMILY STUDIES 10 GENETICS & HEREDITY 1332 HISTORY OF SOCIAL SCIENCES 20 IMMUNOLOGY 1564 PSYCHOLOGY, PSYCHOANALYSIS 5 ENGINEERING, ELECTRICAL & ELECTRONIC 856 LANGUAGE & LINGUISTICS 80 CHEMISTRY, INORGANIC & NUCLEAR 1541 PSYCHOLOGY, APPLIED 32 PHYSICS, CONDENSED MATTER 1913 HEALTH POLICY & SERVICES 21 AUTOMATION & CONTROL SYSTEMS 66 PHILOSOPHY 169 METEOROLOGY & ATMOSPHERIC SCIENCES 134 INDUSTRIAL RELATIONS & LABOR 4 BEHAVIORAL SCIENCES 176 COMMUNICATION 14 TOXICOLOGY 594 DEMOGRAPHY 17 GERIATRICS & GERONTOLOGY 91 LITERATURE, ROMANCE 353 ENGINEERING 114 THEATER 30 AGRICULTURAL ECONOMICS & POLICY 10 LITERARY REVIEWS 7 FORESTRY 127 MUSIC HISTORY & PHILOSOPHY OF SCIENCE 62 LITERATURE 77 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 104 POETRY 1 ENGINEERING, MANUFACTURING 8 ARTS & HUMANITIES, GENERAL 971 INFECTIOUS DISEASES 688 ARCHITECTURE 7 RHEUMATOLOGY 431 ART 135 UROLOGY & NEPHROLOGY 2141 RELIGION 46 TELECOMMUNICATIONS 126 FOLKLORE 33 PALEONTOLOGY 97 FILM, RADIO, TELEVISION 5 ALLERGY 433 CLASSICS 49 BIOLOGY, MISCELLANEOUS 131 ASIAN STUDIES 10 MATERIALS SCIENCE, CERAMICS 189 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 2 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 322 LITERATURE, BRITISH ISLES 9 EMERGENCY MEDICINE & CRITICAL CARE 141 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 3 MEDICINE, LEGAL 66 Tabla 35. Relación de categorías JCR y producción española entre 1990 y 1994 El scientograma de este periodo se compone de 219 categorías del JCR, dos de las cuales se muestran aisladas. Es decir, dos de ellas cuentan con artículos recogidos por las bases de datos del ISI: Poetry, y Literature German, Netherlandic or Scandinavian, pero no muestran relación con ninguna otra categoría, salvo con ellas mismas. - 272 - Ilustración 67. Scientograma del dominio geográfico español, 1995-1998 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 273 - Categoría Prod. Categoría Prod. ENERGY & FUELS 405 REHABILITATION 46 GEOSCIENCES, INTERDISCIPLINARY 758 SPORT SCIENCES 88 ENGINEERING, PETROLEUM 14 INSTRUMENTS & INSTRUMENTATION 589 GASTROENTEROLOGY & HEPATOLOGY 2216 GEOCHEMISTRY & GEOPHYSICS 409 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 702 MINERALOGY 215 MATHEMATICS 1705 ENGINEERING, ENVIRONMENTAL 208 MEDICINE, GENERAL & INTERNAL 4074 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 135 EDUCATION, SCIENTIFIC DISCIPLINES 127 DEVELOPMENTAL BIOLOGY 296 MEDICAL INFORMATICS 63 ANDROLOGY 31 ENTOMOLOGY 268 ENGINEERING, BIOMEDICAL 192 CHEMISTRY, MULTIDISCIPLINARY 2109 OCEANOGRAPHY 303 CONSTRUCTION & BUILDING TECHNOLOGY 152 PSYCHOLOGY 645 MATERIALS SCIENCE, MULTIDISCIPLINARY 2311 NUCLEAR SCIENCE & TECHNOLOGY 595 COMPUTER SCIENCE, THEORY & METHODS 565 CHEMISTRY, APPLIED 1139 COMPUTER SCIENCE, INFORMATION SYSTEMS 147 PHYSICS, FLUIDS & PLASMAS 512 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 198 INFORMATION SCIENCE & LIBRARY SCIENCE 100 MATHEMATICS, APPLIED 1431 PHYSICS, PARTICLES & FIELDS 871 ACOUSTICS 137 CHEMISTRY, MEDICINAL 484 CARDIAC & CARDIOVASCULAR SYSTEMS 1344 MATERIALS SCIENCE, PAPER & WOOD 42 RESPIRATORY SYSTEM 525 ERGONOMICS 23 AGRICULTURE, DAIRY & ANIMAL SCIENCE 426 SPECTROSCOPY 646 AGRICULTURE 1339 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 260 AGRICULTURE, SOIL SCIENCE 419 ENGINEERING, MARINE 35 NUTRITION & DIETETICS 554 THERMODYNAMICS 176 FOOD SCIENCE & TECHNOLOGY 1946 MATERIALS SCIENCE, COATINGS & FILMS 217 ANESTHESIOLOGY 236 FISHERIES 296 ANATOMY & MORPHOLOGY 287 LIMNOLOGY 80 ENGINEERING, AEROSPACE 48 MATHEMATICS, MISCELLANEOUS 93 ASTRONOMY & ASTROPHYSICS 1897 GEOGRAPHY 103 BIOCHEMISTRY & MOLECULAR BIOLOGY 5131 ORNITHOLOGY 176 PLANT SCIENCES 2300 MATERIALS SCIENCE, BIOMATERIALS 98 ZOOLOGY 813 GEOLOGY 195 BIOLOGY 624 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 427 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1671 HORTICULTURE 171 SURGERY 1936 COMPUTER SCIENCE, CYBERNETICS 67 CRYSTALLOGRAPHY 558 TRANSPLANTATION 788 BIOCHEMICAL RESEARCH METHODS 1026 PSYCHOLOGY, EXPERIMENTAL 209 CELL BIOLOGY 1828 PSYCHOLOGY, MATHEMATICAL 29 DERMATOLOGY & VENEREAL DISEASES 837 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 40 ENDOCRINOLOGY & METABOLISM 1386 ENGINEERING, CIVIL 297 HEMATOLOGY 1786 MINING & MINERAL PROCESSING 87 ENVIRONMENTAL SCIENCES 1395 PHYSICS, MATHEMATICAL 822 WATER RESOURCES 423 ELECTROCHEMISTRY 383 MARINE & FRESHWATER BIOLOGY 1268 PSYCHOLOGY, DEVELOPMENTAL 31 METALLURGY & METALLURGICAL ENGINEERING 579 EDUCATION & EDUCATIONAL RESEARCH 71 MECHANICS 426 ENGINEERING, INDUSTRIAL 45 MEDICINE, RESEARCH & EXPERIMENTAL 621 MYCOLOGY 284 NEUROSCIENCES 2793 PSYCHOLOGY, EDUCATIONAL 29 CLINICAL NEUROLOGY 1650 ENVIRONMENTAL STUDIES 56 PATHOLOGY 915 SOCIAL SCIENCES, BIOMEDICAL 23 OBSTETRICS & GYNECOLOGY 480 PSYCHOLOGY, BIOLOGICAL 173 DENTISTRY, ORAL SURGERY & MEDICINE 424 SOCIOLOGY 52 ECOLOGY 865 LAW 19 ONCOLOGY 1538 MICROSCOPY 115 OPHTHALMOLOGY 649 REMOTE SENSING 80 ORTHOPEDICS 242 TRANSPORTATION 28 OTORHINOLARYNGOLOGY 129 PSYCHOLOGY, CLINICAL 133 PEDIATRICS 658 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 66 PHARMACOLOGY & PHARMACY 2709 MATERIALS SCIENCE, TEXTILES 47 PHYSICS, MULTIDISCIPLINARY 2220 ECONOMICS 480 PHYSIOLOGY 1208 SOCIAL SCIENCES, MATHEMATICAL METHODS 113 POLYMER SCIENCE 1027 BUSINESS 17 PHYSICS, APPLIED 1502 MANAGEMENT 138 ENGINEERING, CHEMICAL 1163 URBAN STUDIES 17 PSYCHIATRY 495 SOCIAL SCIENCES, INTERDISCIPLINARY 37 TROPICAL MEDICINE 75 PLANNING & DEVELOPMENT 47 PARASITOLOGY 302 BUSINESS, FINANCE 32 VETERINARY SCIENCES 975 SOCIAL ISSUES 12 VIROLOGY 478 PUBLIC ADMINISTRATION 4 SUBSTANCE ABUSE 105 SOCIAL WORK 12 ENGINEERING, MECHANICAL 202 PSYCHOLOGY, SOCIAL 65 MICROBIOLOGY 2004 NURSING 26 STATISTICS & PROBABILITY 446 WOMEN'S STUDIES 10 PHYSICS, NUCLEAR 710 AREA STUDIES 14 OPTICS 961 POLITICAL SCIENCE 42 Capitulo 7: Resultados - 274 - PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 1110 CRIMINOLOGY & PENOLOGY 6 BIOPHYSICS 1066 INTERNATIONAL RELATIONS 21 CHEMISTRY, ORGANIC 2653 EDUCATION, SPECIAL 9 CHEMISTRY, ANALYTICAL 3073 ARCHAEOLOGY 53 MEDICAL LABORATORY TECHNOLOGY 327 HISTORY 540 CHEMISTRY, PHYSICAL 3464 FAMILY STUDIES 7 MATERIALS SCIENCE, COMPOSITES 26 HISTORY OF SOCIAL SCIENCES 24 REPRODUCTIVE SYSTEMS 408 PSYCHOLOGY, PSYCHOANALYSIS 13 GENETICS & HEREDITY 1740 LANGUAGE & LINGUISTICS 213 IMMUNOLOGY 2263 PSYCHOLOGY, APPLIED 38 ENGINEERING, ELECTRICAL & ELECTRONIC 1466 HEALTH POLICY & SERVICES 43 CHEMISTRY, INORGANIC & NUCLEAR 1732 PHILOSOPHY 121 PHYSICS, CONDENSED MATTER 2147 ETHNIC STUDIES 3 AUTOMATION & CONTROL SYSTEMS 176 INDUSTRIAL RELATIONS & LABOR 8 METEOROLOGY & ATMOSPHERIC SCIENCES 315 COMMUNICATION 35 BEHAVIORAL SCIENCES 213 DEMOGRAPHY 17 TOXICOLOGY 532 ENGINEERING, GEOLOGICAL 22 GERIATRICS & GERONTOLOGY 123 HEALTH CARE SCIENCES & SERVICES 42 ENGINEERING 185 LITERATURE, ROMANCE 321 AGRICULTURAL ECONOMICS & POLICY 13 THEATER 44 FORESTRY 204 LITERARY REVIEWS 97 HISTORY & PHILOSOPHY OF SCIENCE 97 MUSIC 15 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 386 LITERATURE 99 ENGINEERING, MANUFACTURING 33 POETRY 8 INFECTIOUS DISEASES 941 LITERATURE, AMERICAN 1 RHEUMATOLOGY 627 ARTS & HUMANITIES, GENERAL 671 UROLOGY & NEPHROLOGY 1746 ARCHITECTURE 15 TELECOMMUNICATIONS 147 ART 94 PALEONTOLOGY 180 RELIGION 130 ALLERGY 606 FOLKLORE 34 BIOLOGY, MISCELLANEOUS 425 FILM, RADIO, TELEVISION 6 MATERIALS SCIENCE, CERAMICS 265 CLASSICS 34 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 587 ASIAN STUDIES 4 EMERGENCY MEDICINE & CRITICAL CARE 212 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 1 MEDICINE, LEGAL 104 LITERATURE, BRITISH ISLES 17 ANTHROPOLOGY 99 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 2 PERIPHERAL VASCULAR DISEASE 845 Tabla 36. Relación de categorías JCR y producción española entre 1995 y 1998 El número de categorías que constituyen este periodo es de 223, no mostrándose ninguna de ellas como aislada. - 275 - Ilustración 68. Scientograma del dominio geográfico español, 1999-2002 Capitulo 7: Resultados - 276 - Categoría Prod. Categoría Prod. ENERGY & FUELS 589 ANDROLOGY 26 GEOSCIENCES, INTERDISCIPLINARY 1069 ENGINEERING, BIOMEDICAL 318 ENGINEERING, PETROLEUM 26 OCEANOGRAPHY 550 GASTROENTEROLOGY & HEPATOLOGY 2504 PSYCHOLOGY 1026 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 1059 NUCLEAR SCIENCE & TECHNOLOGY 620 MATHEMATICS 2357 CHEMISTRY, APPLIED 1776 MEDICINE, GENERAL & INTERNAL 3718 PHYSICS, FLUIDS & PLASMAS 675 EDUCATION, SCIENTIFIC DISCIPLINES 115 INFORMATION SCIENCE & LIBRARY SCIENCE 100 MEDICAL INFORMATICS 108 PHYSICS, PARTICLES & FIELDS 1466 ENTOMOLOGY 364 CHEMISTRY, MEDICINAL 673 CHEMISTRY, MULTIDISCIPLINARY 2391 MATERIALS SCIENCE, PAPER & WOOD 66 CONSTRUCTION & BUILDING TECHNOLOGY 205 ERGONOMICS 21 MATERIALS SCIENCE, MULTIDISCIPLINARY 3195 SPECTROSCOPY 785 COMPUTER SCIENCE, THEORY & METHODS 1030 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 430 COMPUTER SCIENCE, INFORMATION SYSTEMS 287 ENGINEERING, MARINE 30 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 408 THERMODYNAMICS 283 MATHEMATICS, APPLIED 2298 MATERIALS SCIENCE, COATINGS & FILMS 290 ACOUSTICS 191 FISHERIES 503 CARDIAC & CARDIOVASCULAR SYSTEMS 2318 LIMNOLOGY 137 RESPIRATORY SYSTEM 980 MATHEMATICS, MISCELLANEOUS 147 AGRICULTURE, DAIRY & ANIMAL SCIENCE 487 GEOGRAPHY 117 AGRICULTURE 1168 ORNITHOLOGY 216 AGRICULTURE, SOIL SCIENCE 447 MATERIALS SCIENCE, BIOMATERIALS 176 NUTRITION & DIETETICS 858 GEOLOGY 247 FOOD SCIENCE & TECHNOLOGY 2688 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 757 ANESTHESIOLOGY 249 HORTICULTURE 297 ANATOMY & MORPHOLOGY 298 COMPUTER SCIENCE, CYBERNETICS 93 ENGINEERING, AEROSPACE 87 TRANSPLANTATION 1057 ASTRONOMY & ASTROPHYSICS 2312 PSYCHOLOGY, EXPERIMENTAL 359 BIOCHEMISTRY & MOLECULAR BIOLOGY 6356 PSYCHOLOGY, MATHEMATICAL 38 PLANT SCIENCES 2482 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 58 ZOOLOGY 945 ENGINEERING, CIVIL 248 BIOLOGY 726 MINING & MINERAL PROCESSING 108 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 2081 PHYSICS, MATHEMATICAL 1176 SURGERY 2167 ELECTROCHEMISTRY 480 CRYSTALLOGRAPHY 708 PSYCHOLOGY, DEVELOPMENTAL 52 BIOCHEMICAL RESEARCH METHODS 1446 EDUCATION & EDUCATIONAL RESEARCH 98 CELL BIOLOGY 2265 ENGINEERING, INDUSTRIAL 110 DERMATOLOGY & VENEREAL DISEASES 769 MYCOLOGY 376 ENDOCRINOLOGY & METABOLISM 1760 PSYCHOLOGY, EDUCATIONAL 35 HEMATOLOGY 2045 ENVIRONMENTAL STUDIES 160 ENVIRONMENTAL SCIENCES 1931 SOCIAL SCIENCES, BIOMEDICAL 52 WATER RESOURCES 655 PSYCHOLOGY, BIOLOGICAL 206 MARINE & FRESHWATER BIOLOGY 1526 SOCIOLOGY 62 METALLURGY & METALLURGICAL ENGINEERING 732 LAW 22 MECHANICS 562 MICROSCOPY 117 MEDICINE, RESEARCH & EXPERIMENTAL 818 REMOTE SENSING 102 NEUROSCIENCES 3492 TRANSPORTATION 30 CLINICAL NEUROLOGY 3045 PSYCHOLOGY, CLINICAL 137 PATHOLOGY 1181 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 81 OBSTETRICS & GYNECOLOGY 656 MATERIALS SCIENCE, TEXTILES 90 DENTISTRY, ORAL SURGERY & MEDICINE 362 ECONOMICS 824 ECOLOGY 1255 SOCIAL SCIENCES, MATHEMATICAL METHODS 192 ONCOLOGY 2116 BUSINESS 103 OPHTHALMOLOGY 578 MANAGEMENT 186 ORTHOPEDICS 241 URBAN STUDIES 51 OTORHINOLARYNGOLOGY 186 SOCIAL SCIENCES, INTERDISCIPLINARY 54 PEDIATRICS 609 PLANNING & DEVELOPMENT 62 PHARMACOLOGY & PHARMACY 3144 BUSINESS, FINANCE 57 PHYSICS, MULTIDISCIPLINARY 2187 SOCIAL ISSUES 20 PHYSIOLOGY 881 PUBLIC ADMINISTRATION 18 POLYMER SCIENCE 1301 SOCIAL WORK 12 PHYSICS, APPLIED 1898 PSYCHOLOGY, SOCIAL 91 ENGINEERING, CHEMICAL 1739 NURSING 31 PSYCHIATRY 1092 WOMEN'S STUDIES 13 TROPICAL MEDICINE 90 AREA STUDIES 12 PARASITOLOGY 398 POLITICAL SCIENCE 48 VETERINARY SCIENCES 993 CRIMINOLOGY & PENOLOGY 3 VIROLOGY 733 INTERNATIONAL RELATIONS 34 SUBSTANCE ABUSE 139 EDUCATION, SPECIAL 17 ENGINEERING, MECHANICAL 377 ARCHAEOLOGY 71 MICROBIOLOGY 2892 HISTORY 662 STATISTICS & PROBABILITY 695 FAMILY STUDIES 16 PHYSICS, NUCLEAR 817 HISTORY OF SOCIAL SCIENCES 42 OPTICS 1503 PSYCHOLOGY, PSYCHOANALYSIS 33 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 277 - PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 1646 LANGUAGE & LINGUISTICS 287 BIOPHYSICS 1140 PSYCHOLOGY, APPLIED 82 CHEMISTRY, ORGANIC 3015 HEALTH POLICY & SERVICES 101 CHEMISTRY, ANALYTICAL 3524 PHILOSOPHY 155 MEDICAL LABORATORY TECHNOLOGY 406 ETHNIC STUDIES 4 CHEMISTRY, PHYSICAL 4398 INDUSTRIAL RELATIONS & LABOR 13 MATERIALS SCIENCE, COMPOSITES 134 COMMUNICATION 33 REPRODUCTIVE SYSTEMS 610 DEMOGRAPHY 19 GENETICS & HEREDITY 2024 ENGINEERING, GEOLOGICAL 59 IMMUNOLOGY 2945 HEALTH CARE SCIENCES & SERVICES 177 ENGINEERING, ELECTRICAL & ELECTRONIC 2276 LITERATURE, ROMANCE 390 CHEMISTRY, INORGANIC & NUCLEAR 2208 THEATER 25 PHYSICS, CONDENSED MATTER 2756 LITERARY REVIEWS 68 AUTOMATION & CONTROL SYSTEMS 306 ENGINEERING, OCEAN 18 METEOROLOGY & ATMOSPHERIC SCIENCES 545 MUSIC 19 BEHAVIORAL SCIENCES 399 LITERATURE 91 TOXICOLOGY 659 POETRY 1 GERIATRICS & GERONTOLOGY 223 LITERATURE, AMERICAN 3 ENGINEERING 335 ARTS & HUMANITIES, GENERAL 587 AGRICULTURAL ECONOMICS & POLICY 26 ARCHITECTURE 21 FORESTRY 295 ART 110 HISTORY & PHILOSOPHY OF SCIENCE 131 RELIGION 139 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 1082 FOLKLORE 55 ENGINEERING, MANUFACTURING 102 FILM, RADIO, TELEVISION 3 INFECTIOUS DISEASES 1631 CLASSICS 38 RHEUMATOLOGY 537 ASIAN STUDIES 15 UROLOGY & NEPHROLOGY 1468 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 2 TELECOMMUNICATIONS 250 LITERATURE, BRITISH ISLES 14 PALEONTOLOGY 257 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 6 ALLERGY 736 AGRICULTURE, MULTIDISCIPLINARY 426 BIOLOGY, MISCELLANEOUS 572 ROBOTICS 54 MATERIALS SCIENCE, CERAMICS 752 ETHICS 22 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 898 TRANSPORTATION SCIENCE & TECHNOLOGY 42 EMERGENCY MEDICINE & CRITICAL CARE 262 APPLIED LINGUISTICS 73 MEDICINE, LEGAL 169 INTEGRATIVE & COMPLEMENTARY MEDICINE 18 ANTHROPOLOGY 170 BIODIVERSITY CONSERVATION 118 PERIPHERAL VASCULAR DISEASE 1339 PSYCHOLOGY, MULTIDISCIPLINARY 217 REHABILITATION 73 LITERARY THEORY & CRITICISM 150 SPORT SCIENCES 171 CRITICAL CARE MEDICINE 330 INSTRUMENTS & INSTRUMENTATION 684 GERONTOLOGY 27 GEOCHEMISTRY & GEOPHYSICS 644 MEDICAL ETHICS 9 MINERALOGY 248 NEUROIMAGING 50 ENGINEERING, ENVIRONMENTAL 550 AGRICULTURAL ENGINEERING 95 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 218 EVOLUTIONARY BIOLOGY 128 DEVELOPMENTAL BIOLOGY 426 GEOGRAPHY, PHYSICAL 60 Tabla 37. Relación categorías JCR y producción española entre 1999 y 2002 El scientograma de este último periodo 1999-2002, se compone de 240 categorías, no apareciendo ninguna de ellas aislada. Los tres scientogramas presentan la ya típica estructura vista en esta tesis: una neurona con una gran neurita central de la que surgen diversas prolongaciones. A lo largo de los tres scientogramas, se puede observar que cuánto más actual es el periodo de estudio, mayor es la neurita central y más uniforme y reducido es el número de prolongaciones que parten de ella. Es decir, a lo largo de estas tres representaciones temporales parece verse una evolución consistente en el aumento de las categorías que Capitulo 7: Resultados - 278 - constituyen el centro de la investigación del dominio español. Al tiempo que se aprecia una mayor definición y unificación de las principales líneas de investigación de dicho dominio. Para un estudio más detallado de la evolución del dominio, realizamos AF sobre la matriz de cocitación original de cada periodo. Posteriormente trasladamos los resultados a cada uno de sus correspondientes scientogramas. 7.3.2. Análisis Factorial De acuerdo con el procedimiento explicado en el apartado 7.1.2, extraemos y categorizamos diez factores del periodo 1990-1994, otros diez en el de 1995-1998 y once, en el de 1999-2002. El nombre de cada factor, junto con la varianza individual y acumulada de cada uno de ellos, es el que se muestra a continuación: 1990-1994 Factor Nombre de Factor % varianza % de varianza acumulada 1 Biomedicina 23.1 23.1 2 Ciencias de los Materiales y Química Aplicada 12.9 36 3 Psicología 7.8 43.8 4 Agricultura y Ciencias del Suelo 6.3 50.1 5 Informática y Telecomunicaciones 4.1 54.2 6 Ciencias de la Tierra y del Espacio 3.1 57.3 7 Gestión, Derecho y Economía 3.3 60.6 8 Arte y Humanidades 2.4 63 9 Biología Animal y Ecología 2.4 65.4 10 Física Nuclear y de Partículas 1.5 66.9 Tabla 38. Factores extraídos del dominio geográfico español 1990-1994 1995-1998 Factor Nombre de Factor % varianza % de varianza acumulada 1 Biomedicina 23.1 23.1 2 Ciencias de los Materiales y Física Aplicada 13.2 36.3 3 Psicología 8.2 44.5 4 Agricultura y Ciencias del Suelo 6.8 51.3 5 Informática y Telecomunicaciones 4.4 55.7 6 Ciencias de la Tierra y del Espacio 4 59.7 7 Gestión, Derecho y Economía 3.4 63.1 8 Humanidades 3.1 66.2 9 Biología Animal y Ecología 2.3 68.5 10 Física Nuclear y de Partículas 1.4 69.9 Tabla 39. Factores extraídos del dominio geográfico español 1995-1998 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 279 - 1999-2002 Factor Nombre de Factor % varianza % de varianza acumulada 1 Biomedicina 22.1 22.1 2 Ciencias de los Materiales y Física Aplicada 12.3 34.4 3 Psicología 7.7 42.1 4 Cencias de la Tierra y del Espacio 6.9 49 5 Informática y Telecomunicaciones 4.4 53.4 6 Agricultura y Ciencias del Suelo 4.1 57.5 7 Gestión, Derecho y Economía 3.4 60.9 8 Biología Animal y Ecología 2.7 63.6 9 Política Sanitaria y Servicios Médicos 2.1 65.7 10 Humanidades 1.9 67.6 11 Física Nuclear y de Partículas 1.7 69.3 Tabla 40. Factores extraídos del dominio geográfico español 1999-2002 Las tablas con las categorías que componen cada uno de los factores extraídos para cada espacio de tiempo, junto con sus correspondientes factor loadings, se recogen en el anexo IV. Analizando las tres tablas anteriores, podemos ver que los dos primeros periodos son prácticamente iguales, pues cuando más, difieren levemente en la denominación y orden de un par de factores, así como en la varianza acumulada por alguno uno de ellos. Las diferencias del tercer periodo con respecto a los dos anteriores son algo mayores. Es posible observar un movimiento descendente, y por tanto de pérdida de interés, desde el punto de vista de los investigadores del dominio, en aquellos factores relacionados con la Agricultura, las Ciencias sociales y las Humanidades. Por el contrario, se aprecia un movimiento ascendente e incluso aparición de nuevos factores, y por tanto de ganancia de interés, por parte de aquellos relacionados con la Tecnología, el Medioambiente y la Salud mental. 7.3.2.1. Scientogramas Factoriales El scientograma factorial del periodo 1990-1994, deja veintiséis categorías sin factorizar, el de 1995-1998 treinta y seis, y el de 1999-2002, veintinueve, como se puede ver en la siguiente tabla: Capitulo 7: Resultados - 280 - 1990-1994 1995-1998 1999-2002 ACOUSTICS ARCHAEOLOGY ACOUSTICS ANTHROPOLOGY ARCHITECTURE ARCHITECTURE ARCHAEOLOGY ART ART ARCHITECTURE BUSINESS, FINANCE COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS AREA STUDIES CLASSICS ECONOMICS ARTS & HUMANITIES, GENERAL COMPUTER SCIENCE, THEORY & METHODS ENGINEERING ASIAN STUDIES CONSTRUCTION & BUILDING TECHNOLOGY ENGINEERING, CIVIL CONSTRUCTION & BUILDING TECHNOLOGY DEMOGRAPHY ENGINEERING, INDUSTRIAL DEMOGRAPHY ENGINEERING ENVIRONMENTAL STUDIES ENGINEERING ENGINEERING, MANUFACTURING ETHNIC STUDIES ENGINEERING, CIVIL ENGINEERING, MECHANICAL FOLKLORE ENGINEERING, MECHANICAL ETHNIC STUDIES HISTORY ENVIRONMENTAL STUDIES GEOLOGY HISTORY & PHILOSOPHY OF SCIENCE FILM, RADIO, TELEVISIÓN HEALTH CARE SCIENCES & SERVICES HISTORY OF SOCIAL SCIENCES HEALTH POLICY & SERVICES HEALTH POLICY & SERVICES LITERARY THEORY & CRITICISM HISTORY & PHILOSOPHY OF SCIENCE HISTORY & PHILOSOPHY OF SCIENCE LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN HORTICULTURA LITERATURE, BRITISH ISLES MATERIALS SCIENCE, BIOMATERIALS LITERATURE, BRITISH ISLES LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN MATERIALS SCIENCE, TEXTILES LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN MANAGEMENT MATHEMATICS MATERIALS SCIENCE, BIOMATERIALS MATHEMATICS MATHEMATICS, MISCELLANEOUS MATHEMATICS MATHEMATICS, APPLIED NURSING MATHEMATICS, APPLIED MATHEMATICS, MISCELLANEOUS PHILOSOPHY MATHEMATICS, MISCELLANEOUS MEDICAL INFORMATICS POETRY MEDICAL INFORMATICS MUSIC SOCIAL SIGUES NURSING STATISTICS & PROBABILITY STATISTICS & PROBABILITY ORNITHOLOGY THEATER PHILOSOPHY TRANSPORTATION PHYSICS, PARTICLES & FIELDS TRANSPORTATION SCIENCE & TECHNOLOGY POETRY URBAN STUDIES LYMER SCIENCE PSYCHOLOGY, SOCIAL RELIGIÓN SOCIAL SIGUES SOCIAL SCIENCES, BIOMEDICAL SOCIAL SCIENCES, INTERDISCIPLINARY STATISTICS & PROBABILITY Tabla 41. Categorías sin factorizar en cada uno de los tres periodos del dominio español No obstante, de las veintiséis primeras categorías del periodo 1990- 1994, sólo siete siguen sin factorizar entre 1999-2002. 1990-2002 ARCHITECTURE ENGINEERING HISTORY & PHILOSOPHY OF SCIENCE LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN MATHEMATICS MATHEMATICS, MISCELLANEOUS STATISTICS & PROBABILITY Tabla 42. Categorías sin factorizar de los tres periodos del dominio español Esto quiere decir que de las veintiséis categorías que intervenían muy poco en la investigación española en el periodo 1990-1994, como pone de manifiesto su bajo factor loading recogido en el anexo IV, sólo siete continúan haciéndolo. El resto, como consecuencia de la evolución de la Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 281 - investigación, han ido ganando peso en la investigación española a lo largo del tiempo. No obstante, y precisamente a raíz del desarrollo de la investigación científica, surgen nuevas categorías, que de momento en el dominio español tienen poca relevancia. Esta es la razón del alto número de categorías sin factorizar que se recogen en el periodo 1999-2002. - 282 - Ilustración 69. Scientograma factorial del dominio español 1990-1994 - 283 - Ilustración 70. Scientograma factorial del dominio español 1995-1998 - 284 - Ilustración 71. Scientograma factorial del dominio español 1999-2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 285 - 7.3.3. Evolución de un Dominio 7.3.3.1. Macroestructura Los scientogramas de los tres periodos muestran la típica distribución bibliométrica de pocas categorías de gran tamaño y muchas de dimensión reducida. Al mismo tiempo, existe una gran área temática central que hace de punto de interconexión de otras áreas temáticas más pequeñas que la rodean. En la medida en que avanzamos temporalmente en los scientogramas factoriales, se confirma la observación a la que hacíamos referencia anteriormente en los scientogramas no factoriales: el aumento del número de categorías que ocupan posiciones centrales. Esto no implica un aumento del número de categorías del área temática central, pues si observamos el número de categorías que componen dicha área 8 Biomedicina8 en los tres periodos 8 anexo IV8 , veremos que este permanece prácticamente invariable. Esto significa que a lo largo del tiempo, categorías de otras áreas como Biología Animal y Ecología, o Agricultura y Ciencias del Suelo, han pasado a ocupar posiciones relevantes en los scientogramas como consecuencia de compartir fuentes con categorías que ya ocupaban esta posición. De esta forma consiguen así mejorar su universalidad e interés en la investigación del dominio. A diferencia de otros dominios, en el caso español no es fácil reproducir lo que habíamos dado en llamar como esquema típico de vertebración macroestructural de la ciencia de los países desarrollados. Es decir, la ubicación de las ciencias biomédicas y de la tierra en la zona central, las ciencias duras en la parte derecha, y las ciencias blandas en la zona izquierda. En general, el dominio español sigue este patrón en su zona central y derecha, pero no tanto en la izquierda. Esto se debe a que en este dominio, las categorías que componen el área de las Matemáticas, no hacen de puente entre lo que serían las ciencias sociales y las humanidades con el resto de ciencias, lo cual provoca que estas aparezcan dispersas por los distintos scientogramas. Por ello, el área de Gestión, Derecho y Economía Capitulo 7: Resultados - 286 - aparece en la zona derecha, unida a las Matemáticas, y no en la zona izquierda. Las posiciones relativas que ocupan las áreas temáticas, son prácticamente las mismas en los tres periodos. Sólo se diferencian en que en el periodo 1990-1994, las Ciencias de la Tierra y del Espacio se sitúan en la zona derecha y en los otros dos, aparecen en la parte central. Centralidad Mediante las redes de áreas temáticas construidas a partir de cada uno de los scientogramas factoriales y de los paths que las conectan, podemos calcular fácilmente la centralidad de grado de cada una de las áreas temáticas, en cada uno de los distintos periodos. Como se puede ver a continuación: 1990-1994 Área Temática Grado Biomedicina 4 Ciencias de los Materiales y Química Aplicada 4 Biología Animal y Ecología 2 Física Nuclear y de Partículas 2 Agricultura y Ciencias del Suelo 1 Arte y Humanidades 1 Ciencias de la Tierra y del Espacio 1 Gestión, Derecho y Economía 1 Informática y Telecomunicaciones 1 Psicología 1 1995-1998 Área Temática Grado Biomedicina 4 Ciencias de los Materiales y Física Aplicada 4 Biología Animal y Ecología 2 Física Nuclear y de Partículas 2 Agricultura y Ciencias del Suelo 1 Ciencias de la Tierra y del Espacio 1 Gestión, Derecho y Economía 1 Humanidades 1 Informática y Telecomunicaciones 1 Psicología 1 1999-2002 Área Temática Grado Biomedicina 5 Ciencias de los Materiales y Física Aplicada 3 Biología Animal y Ecología 2 Física Nuclear y de Partículas 2 Psicología 2 Agricultura y Ciencias del Suelo 1 Ciencias de la Tierra y del Espacio 1 Gestión, Derecho y Economía 1 Humanidades 1 Informática y Telecomunicaciones 1 Política de Servicios Sanitarios y Servicios Médicos 1 Tabla 43. Centralidad de grado de las áreas temáticas del dominio español Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 287 - En los periodos 1990-1994 y 1995-1998, son dos las áreas temáticas con mayor centralidad de grado: Biomedicina y Ciencias de los Materiales y Física Aplicada. Por otro lado, para el periodo 1999-2002 lo es únicamente y con diferencia, el área de Biomedicina. Esto quiere decir que en los dos primeros periodos, Biomedicina por un lado y Ciencias de los Materiales y Física Aplicada por otro, son por igual, las áreas temáticas más universales del dominio, o lo que es lo mismo, las que más fuentes comparten con el resto de áreas. Sin embargo, en el último periodo, esta peculiaridad pasa a ser exclusiva de la Biomedicina. Prominencia En el caso de la prominencia, ocurre exactamente lo mismo que con la centralidad. El algoritmo de robo de grado, encargado de detectar las áreas temáticas más prominentes en cada espacio temporal, identifica las mismas áreas temáticas que en el caso de la centralidad. Como se ve en las siguientes tablas 6 : 1990-1994 Área Temática Grado Biomedicina 9 Ciencias de los Materiales y Química Aplicada 9 1995-1998 Área Temática Grado Biomedicina 9 Ciencias de los Materiales y Física Aplicada 9 1999-2002 Área Temática Grado Biomedicina 20 Tabla 44. Prominencia de las áreas temáticas del dominio español Paths de Interconexión entre Áreas Temáticas Aunque como habíamos dicho anteriormente, las posiciones relativas de las áreas temáticas varían muy poco a lo largo de los tres periodos, no ocurre lo mismo con la forma en que estas se conectan unas con otras. Es en los dos primeros periodos, donde más diferencias encontramos en los paths de interconexión entre áreas temáticas. 6 Las áreas temáticas que no aparecen, tienen valor cero. Capitulo 7: Resultados - 288 - En el periodo 1990-1994 la Psicología, parece tener una orientación más dedicada al estudio de la mente, de ahí su path de conexión con la Biomedicina: Biochemistry & Molecular Biology ÅÆ Neurosciences ÅÆ Psychology. En los intervalos 1995-1998 y 1999-2002, la investigación en esta área se reorienta a los estudios clínicos y patológicos como muestra el cambio de su path: Biochemistry & Molecular Biology ÅÆ Neurosciences ÅÆ Clinical Neurology ÅÆ Psychiatry ÅÆ Psychology. En el primer periodo, las Humanidades aparecen conectadas con la Biología Animal y la Ecología a través de la antropología: History ÅÆ Arts & Humanities ÅÆ Anthropology ÅÆ Biology Miscellaneus ÅÆ Biology, mientras que en los dos restantes se muestran unidas a la Psicología por medio de la categoría lenguaje y lingüística: History ÅÆ Literature ÅÆ Lenguaje & Linguistic ÅÆ Psychology Experimental ÅÆ Psychology. Esto pone de manifiesto un cambio en la investigación y en las fuentes utilizadas en esta área. El área temática de las Ciencias de la Tierra y del Espacio también sufre cambios a lo largo de este periodo de estudio. Entre 1990 y 1994, aparece vinculada a Ciencias de los Materiales y Física Aplicada: Geosciences Interdisciplinary ÅÆ Astronomy & Astrophysics ÅÆ Physics Multidisciplinary. En el espacio de 1995 a 1998 su conexión más fuerte la establece con la Biomedicina: Geosciences Interdisciplinary ÅÆ Environmental Sciences ÅÆ Chemisty Analytical ÅÆ Biochemistry & Molecular Biology. Finalmente, en el periodo comprendido entre 1999 y 2002, su investigación básica está compartida con el área temática de la Biología Animal y Ecología: Geosciences ÅÆ Oceanography ÅÆ Marine & Freshwater Biology ÅÆ Ecology ÅÆ Biology Miscellaneus ÅÆ Biology. Puntos de Interacción entre Áreas Temáticas Como ya hemos dicho en más de una ocasión, las categorías de color rojo de los scientogramas indican los puntos de interacción o intercambio de Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 289 - información entre las distintas áreas temáticas. Partiendo de las categorías objeto de interacción del primer periodo, podemos estudiar su evolución a lo largo del tiempo. Categorías 1990-1994 Áreas Temáticas que Interactúan BIOCHEMICAL RESEARCH METHODS Biomedicina Agricultura y Ciencias del Suelo BIOPHYSICS Biomedicina Agricultura y Ciencias del Suelo BIOTECHNOLOGY & APPLIED MICROBIOLOGY Biomedicina Agricultura y Ciencias del Suelo CHEMISTRY, ANALYTICAL Biomedicina Agricultura y Ciencias del Suelo ENGINEERING, MANUFACTURING Ciencias de los Materiales y Física Aplicada Informática y Telecomunicaciones ERGONOMICS Psicología Informática y Telecomunicaciones GENETICS & HEREDITY Biomedicina Agricultura y Ciencias del Suelo MANAGEMENT Informática y Telecomunicaciones Gestión, Derecho y Economía MICROBIOLOGY Biomedicina Agricultura y Ciencias del Suelo MINERALOGY Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas OCEANOGRAPHY Ciencias de la Tierra y del Espacio Biología Animal y Ecología OPTICS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, FLUIDS & PLASMAS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, MATHEMATICAL Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, NUCLEAR Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas Tabla 45. Categorías multitemáticas del dominio español 1990-1994 Como se puede ver en la tabla anterior, entre 1990 y 1994 son quince las categorías que muestran una actividad de intercambio de fuentes entre distintas áreas temáticas, como consecuencia de las inquietudes científicas de los investigadores en ese momento. Fundamentalmente son dos los emparejamientos entre áreas temáticas que se reflejan como consecuencia de la actitud innovadora de los investigadores: Biomedicina con Agricultura y Ciencias del Suelo, y Ciencias de los Materiales y Física Aplicada con Física Nuclear y de Partículas. Categoría 1995-1998 Áreas Temáticas que Interactúan BIOCHEMICAL RESEARCH METHODS Biomedicina Agricultura y Ciencias del Suelo BIOTECHNOLOGY & APPLIED MICROBIOLOGY Biomedicina Agricultura y Ciencias del Suelo CHEMISTRY, ANALYTICAL Biomedicina Agricultura y Ciencias del Suelo MANAGEMENT Informática y Telecomunicaciones Gestión, Derecho y Economía MINERALOGY Ciencias de los Materiales y Física Aplicada Ciencias de la Tierra y del Espacio OPTICS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, FLUIDS & PLASMAS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, MATHEMATICAL Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas AGRICULTURAL ECONOMICS & POLICY Gestión, Derecho y Economía Agricultura y Ciencias del Suelo COMMUNICATION Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas GEOGRAPHY Ciencias de la Tierra y del Espacio Biología Animal y Ecología MYCOLOGY Biomedicina Agricultura y Ciencias del Suelo NUCLEAR SCIENCE & TECHNOLOGY Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas NUTRITION & DIETETICS Biomedicina Agricultura y Ciencias del Suelo PSYCHIATRY Biomedicin Psicología REHABILITATION Biomedicina Psicolog SUBSTANCE ABUSE Biomedicina Psicología WATER RESOURCES Ciencias de la Tierra y del Espacio Agricultura y Ciencias del Suelo ZOOLOGY Biomedicina Biología Animal y Ecología Tabla 46. Categorías multitemáticas del dominio español 1995-1998 Capitulo 7: Resultados - 290 - En el periodo 1995-1998, son diecinueve las categorías objeto de intercambio de información. Ocho de ellas, de color rojo, con sus correspondientes emparejamientos de áreas temáticas, coinciden con el periodo 1990-1994. De las once nuevas categorías que aparecen, algunas son la continuación de los intercambios que se producían en el periodo anterior, pero otras ponen de manifiesto una nueva línea de investigación mediante el emparejamiento de las áreas: Biomedicina y Psicología. Categoría 1999-2002 Áreas Temáticas que Interactúan BIOCHEMICAL RESEARCH METHODS Biomedicina Agricultura y Ciencias del Suelo BIOTECHNOLOGY & APPLIED MICROBIOLOGY Biomedicina Agricultura y Ciencias del Suelo MINERALOGY Ciencias de los Materiales y Física Aplicada Ciencias de la Tierra y del Espacio OPTICS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas PHYSICS, FLUIDS & PLASMAS Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas WATER RESOURCES Ciencias de la Tierra y del Espacio Agricultura y Ciencias del Suelo SUBSTANCE ABUSE Biomedicina Psicología PSYCHIATRY Biomedicin Psicolog NUTRITION & DIETETICS Biomedicina Agricultura y Ciencias del Suelo GEOGRAPHY Ciencias de la Tierra y del Espacio Biología Animal y Ecología COMMUNICATION Ciencias de los Materiales y Física Aplicada Física Nuclear y de Partículas ENTOMOLOGY Agricultura y Ciencias del Suelo Biología Animal y Ecología FORESTRY Agricultura y Ciencias del Suelo Biología Animal y Ecología HEALTH CARE SCIENCES & SERVICES Biomedicina Política Sanitaria y Servicios Médicos MINING & MINERAL PROCESSING Ciencias de los Materiales y Física Aplicada Ciencias de la Tierra y del Espacio WOMEN'S STUDIES Psicología Política Sanitaria y Servicios Médicos Tabla 47. Categorías multitemáticas del dominio español 1999-2002 Por último, en el intervalo 1999-2002, encontramos dieciséis categorías responsables del flujo de información entre distintas áreas temáticas. Cinco de ellas, de color rojo, son comunes a los dos periodos anteriores y ponen en contacto a las mismas áreas temáticas. Seis, de color azul se repiten en el periodo anterior, y también relacionan a las mismas áreas temáticas en ambos periodos. Y finalmente, las cinco últimas, muestran lo que podría considerarse como un nuevo emparejamiento y por tanto el inicio de un nuevo foco de investigación: Agricultura y Ciencias del Suelo con Biología Animal y Ecología. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 291 - 7.3.3.2. Microestructura Volviendo de nuevo a los scientogramas evolutivos, especialmente en los factoriales, vemos que a nivel microestructural se reproducen las características macroestructurales. A nivel de categorías, los tres scientogramas son un claro ejemplo de la naturaleza hiperbólica de las distribuciones bibliométricas. De igual modo, en los tres casos se produce una mayor concentración de categorías en la zona central y derecha que en la izquierda, presentando al mismo tiempo la típica estructura centro- periferia, de este tipo de scientogramas. 1990-1994 Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 26 MEDICINE, GENERAL & INTERNAL 17 PSYCHOLOGY 14 CHEMISTRY, MULTIDISCIPLINARY 9 PHYSICS, MULTIDISCIPLINARY 9 GEOSCIENCES, INTERDISCIPLINARY 7 ENGINEERING, ELECTRICAL & ELECTRONIC 7 ECONOMICS 7 MATHEMATICS, APPLIED 6 AGRICULTURE 6 NEUROSCIENCES 6 MATERIALS SCIENCE, MULTIDISCIPLINARY 5 CHEMISTRY, ANALYTICAL 5 HISTORY 5 LANGUAGE & LINGUISTICS 5 1995-1998 Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 26 MEDICINE, GENERAL & INTERNAL 22 PSYCHOLOGY 12 ECONOMICS 10 GEOSCIENCES, INTERDISCIPLINARY 9 CHEMISTRY, MULTIDISCIPLINARY 9 PHYSICS, MULTIDISCIPLINARY 9 ENGINEERING, ELECTRICAL & ELECTRONIC 7 MATERIALS SCIENCE, MULTIDISCIPLINARY 6 MATHEMATICS, APPLIED 6 AGRICULTURE 6 ENVIRONMENTAL SCIENCES 5 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 5 HISTORY 5 SURGERY 4 1999-2002 Categoría Grado BIOCHEMISTRY & MOLECULAR BIOLOGY 26 MEDICINE, GENERAL & INTERNAL 20 PSYCHOLOGY 13 ECONOMICS 10 MATERIALS SCIENCE, MULTIDISCIPLINARY 9 PHYSICS, MULTIDISCIPLINARY 9 ENGINEERING, ELECTRICAL & ELECTRONIC 9 GEOSCIENCES, INTERDISCIPLINARY 8 AGRICULTURE 8 MATHEMATICS, APPLIED 7 CHEMISTRY, MULTIDISCIPLINARY 6 PSYCHIATRY 5 CHEMISTRY, ANALYTICAL 5 IMMUNOLOGY BIOLOGY, MISCELLANEOUS 5 Tabla 48. Centralidad de grado de las quince primeras categorías del dominio español en sus tres periodos Como se deduce de las tablas anteriores, Biochemistry & Molecular Biology es la categoría más central en los scientogramas de los tres periodos temporales. Esto hace que esta categoría sea la más universal de todas, la que más fuentes comparte con el resto y como consecuencia, la Capitulo 7: Resultados - 292 - que más interviene en el desarrollo científico de cada periodo temporal. Al obtener el mismo grado nodal en los tres casos, no podemos decir que intervenga más en la investigación en un periodo que en otro, sino que en todos lo hace por igual. El grado de universalidad y participación que las categorías tienen en el desarrollo científico de cada periodo, está relacionado con la distancia geodésica de cada una de ellas con respecto a la categoría Biochemistry & Molecular Biology. Categoría Distancia Categoría Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 SOCIAL ISSUES 3 CHEMISTRY, MULTIDISCIPLINARY 1 SOCIAL WORK 3 AGRICULTURE 1 PSYCHOLOGY, SOCIAL NUTRITION & DIETETICS 1 NURSING 3 PLANT SCIENCES 1 CRIMINOLOGY & PENOLOGY 3 ZOOLOGY 1 PSYCHOLOGY, PSYCHOANALYSIS BIOLOGY PSYCHOLOGY APPLIED BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 3 BIOCHEMICAL RESEARCH METHODS 1 ENGINEERING, PETROLEUM 4 ENDOCRINOLOGY & METABOLISM 1 ACOUSTICS 4 MEDICINE, RESEARCH & EXPERIMENTAL 1 RESPIRATORY SYSTEM 4 NEUROSCIENCES 1 DENTISTRY, ORAL SURGERY & MEDICINE 4 ONCOLOGY 1 ORTHOPEDICS PHARMACOLOGY & PHARMACY 1 OTORHINOLARYNGOLOGY 4 PHYSIOLOGY PHYSICS, MULTIDISCIPLINARY PARASITOLOGY TROPICAL MEDICINE VETERINARY SCIENCES 1 PERIPHERAL VASCULAR DISEASE 4 VIROLOGY 1 NUCLEAR SCIENCE & TECHNOLOGY 4 MICROBIOLOGY 1 ENGINEERING, MARINE BIOPHYSICS 1 ENGINEERING, CIVIL CHEMISTRY, ANALYTICAL 1 SOCIAL SCIENCES, BIOMEDICAL 4 REPRODUCTIVE SYSTEMS 1 URBAN STUDIES 4 GENETICS & HEREDITY 1 WOMEN'S STUDIES 4 IMMUNOLOGY 1 POLITICAL SCIENCE 4 GERIATRICS & GERONTOLOGY 1 EDUCATION, SPECIAL 4 DEVELOPMENTAL BIOLOGY 1 ARCHAEOLOGY 4 CHEMISTRY, MEDICINAL 1 FAMILY STUDIES 4 MEDICINE, GENERAL & INTERNAL 2 LANGUAGE & LINGUISTICS 4 EDUCATION, SCIENTIFIC DISCIPLINES 2 HEALTH POLICY & SERVICES 4 ENTOMOLOGY 2 DEMOGRAPHY AGRICULTURE, DAIRY & ANIMAL SCIENCE 2 ARTS & HUMANITIES, GENERAL 4 AGRICULTURE, SOIL SCIENCE 2 ASTRONOMY & ASTROPHYSICS 5 FOOD SCIENCE & TECHNOLOGY 2 MECHANICS 5 CRYSTALLOGRAPHY 2 PHYSICS, NUCLEAR 5 CELL BIOLOGY 2 OPTICS 5 ENVIRONMENTAL SCIENCES 2 PHYSICS, CONDENSED MATTER 5 MARINE & FRESHWATER BIOLOGY 2 PHYSICS, PARTICLES & FIELDS 5 CLINICAL NEUROLOGY 2 PHYSICS, MATHEMATICAL 5 ECOLOGY 2 HISTORY OPHTHALMOLOGY 2 COMMUNICATION POLYMER SCIENCE 2 LITERATURE, ROMANCE 5 ENGINEERING, CHEMICAL 2 LITERATURE 5 PSYCHIATRY 2 ARCHITECT 5 CHEMISTRY, ORGANIC 2 ART 5 MEDICAL LABORATORY TECHNOLOGY 2 FILM, RADIO, TELEVISION 5 CHEMISTRY, PHYSICAL 2 CLASSICS 5 CHEMISTRY, INORGANIC & NUCLEAR 2 LITERATURE, BRITISH ISLES 5 BEHAVIORAL SCIENCES 2 GEOSCIENCES, INTERDISCIPLINARY 6 TOXICOLOGY 2 MATERIALS SCIENCE, MULTIDISCIPLINARY FORESTRY MATHEMATICS, APPLIED INFECTIOUS DISEASES 2 PHYSICS, APPLIED 6 ALLERGY ENGINEERING, MECHANICAL Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 293 - BIOLOGY, MISCELLANEOUS 2 PHYSICS, FLUIDS & PLASMAS 6 MEDICINE, LEGAL 2 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 6 SPORT SCIENCES 2 AREA STUDIES 6 ANDROLOGY 2 HISTORY OF SOCIAL SCIENCES 6 PSYCHOLOGY 2 THEATER SPECTROSCOPY LITERARY REVIEWS ORNITHOLOGY MUSIC 6 HORTICULTURE 2 RELIGION TRANSPLANTATION 2 FOLKLORE ELECTROCHEMISTRY MATHEMATICS 7 MYCOLOGY 2 MEDICAL INFORMATICS 7 PHILOSOPHY 2 CONSTRUCTION & BUILDING TECHNOLOGY 7 ENERGY & FUELS 3 METALLURGY & METALLURGICAL ENGINEERING 7 GASTROENTEROLOGY & HEPATOLOGY 3 ENGINEERING, ELECTRICAL & ELECTRONIC 7 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 3 METEOROLOGY & ATMOSPHERIC SCIENCES 7 CARDIAC & CARDIOVASCULAR SYSTEMS 3 ENGINEERING 7 ANESTHESIOLOGY 3 PALEONTOLOGY ANATOMY & MORPHOLOGY 3 MATERIALS SCIENCE, CERAMICS 7 SURGERY 3 GEOCHEMISTRY & GEOPHYSICS 7 DERMATOLOGY & VENEREAL DISEASES 3 ENGINEERING, BIOMEDICAL 7 HEMATOLOGY 3 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 7 WATER RESOURCES 3 MATHEMATICS, MISCELLANEOUS 7 PATHOLOGY 3 GEOGRAPHY 7 OBSTETRICS & GYNECOLOGY 3 GEOLOGY 7 PEDIATRICS 3 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 7 SUBSTANCE ABUSE 3 MINING & MINERAL PROCESSING 7 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 3 ASIAN STUDIES 7 MATERIALS SCIENCE, COMPOSITES 3 ENGINEERING, AEROSPACE 8 HISTORY & PHILOSOPHY OF SCIENCE 3 STATISTICS & PROBABILITY 8 RHEUMATOLOGY 3 AUTOMATION & CONTROL SYSTEMS 8 UROLOGY & NEPHROLOGY 3 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 8 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 3 ENGINEERING, MANUFACTURING 8 EMERGENCY MEDICINE & CRITICAL CARE 3 TELECOMMUNICATIONS 8 ANTHROPOLOGY 3 MINERALOGY REHABILITATION 3 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 8 INSTRUMENTS & INSTRUMENTATION 3 MATERIALS SCIENCE, BIOMATERIALS 8 ENGINEERING, ENVIRONMENTAL 3 COMPUTER SCIENCE, CYBERNETICS 8 OCEANOGRAPHY 3 REMOTE SENSING CHEMISTRY, APPLIED 3 TRANSPORTATION 8 MATERIALS SCIENCE, PAPER & WOOD 3 SOCIAL SCIENCES, MATHEMATICAL METHODS 8 ERGONOMICS 3 MANAGEMENT THERMODYNAMICS 3 COMPUTER SCIENCE, THEORY & METHODS 9 MATERIALS SCIENCE, COATINGS & FILMS 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 9 FISHERIES 3 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 9 LIMNOLOGY 3 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 9 PSYCHOLOGY, EXPERIMENTAL 3 ECONOMICS 9 PSYCHOLOGY, MATHEMATICAL 3 BUSINESS 9 PSYCHOLOGY, DEVELOPMENTAL 3 PLANNING & DEVELOPMENT 9 EDUCATION & EDUCATIONAL RESEARCH 3 AGRICULTURAL ECONOMICS & POLICY 10 ENGINEERING, INDUSTRIAL 3 INFORMATION SCIENCE & LIBRARY SCIENCE 10 PSYCHOLOGY, EDUCATIONAL 3 LAW 10 ENVIRONMENTAL STUDIES 3 BUSINESS, FINANCE 10 PSYCHOLOGY, BIOLOGICAL 3 PUBLIC ADMINISTRATION 10 SOCIOLOGY 3 INTERNATIONAL RELATIONS MICROSCOPY 3 INDUSTRIAL RELATIONS & LABOR 10 PSYCHOLOGY, CLINICAL 3 POETRY MATERIALS SCIENCE, TEXTILES 3 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN SOCIAL SCIENCES, INTERDISCIPLINARY 3 Tabla 49. Distancias de las categorías del scientograma del dominio español 1990-1994, respecto a su categoría central - 294 - Ilustración 72. Scientograma de distancias del dominio español 1990-1994, respecto a su categoría central Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 295 - Categoría Distancia Categoría Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 METEOROLOGY & ATMOSPHERIC SCIENCES 4 MEDICINE, GENERAL & INTERNAL 1 PALEONTOLOGY 4 CHEMISTRY, MULTIDISCIPLINARY 1 GEOCHEMISTRY & GEOPHYSICS 4 AGRICULTURE 1 PSYCHOLOGY 4 NUTRITION & DIETETICS 1 NUCLEAR SCIENCE & TECHNOLOGY 4 PLANT SCIENCES 1 GEOGRAPHY 4 ZOOLOGY 1 ORNITHOLOGY BIOLOGY GEOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 ENGINEERING, CIVIL 4 BIOCHEMICAL RESEARCH METHODS 1 MINING & MINERAL PROCESSING 4 CELL BIOLOGY 1 PSYCHOLOGY, CLINICAL 4 ENDOCRINOLOGY & METABOLISM 1 MATERIALS SCIENCE, TEXTILES 4 MEDICINE, RESEARCH & EXPERIMENTAL 1 URBAN STUDIES 4 NEUROSCIENCES 1 ARCHAEOLOGY ONCOLOGY 1 PSYCHOLOGY, PSYCHOANALYSIS PHARMACOLOGY & PHARMACY 1 ENGINEERING, GEOLOGICAL 4 PHYSIOLOGY FILM, RADIO, TELEVISION VETERINARY SCIENCES 1 ENGINEERING, AEROSPACE 5 MICROBIOLOGY 1 MECHANICS BIOPHYSICS 1 PHYSICS, NUCLEAR 5 CHEMISTRY, ANALYTICAL 1 OPTICS 5 MEDICAL LABORATORY TECHNOLOGY 1 PHYSICS, CONDENSED MATTER 5 REPRODUCTIVE SYSTEMS 1 MINERALOGY 5 GENETICS & HEREDITY 1 OCEANOGRAPHY 5 IMMUNOLOGY 1 PHYSICS, FLUIDS & PLASMAS 5 DEVELOPMENTAL BIOLOGY 1 PHYSICS, PARTICLES & FIELDS 5 CHEMISTRY, MEDICINAL 1 FISHERIES 5 GASTROENTEROLOGY & HEPATOLOGY 2 LIMNOLOGY 5 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 2 PSYCHOLOGY, EXPERIMENTAL 5 EDUCATION, SCIENTIFIC DISCIPLINES 2 PSYCHOLOGY, MATHEMATICAL ENTOMOLOGY 2 PHYSICS, MATHEMATICAL CARDIAC & CARDIOVASCULAR SYSTEMS 2 PSYCHOLOGY, DEVELOPMENTAL 5 AGRICULTURE, DAIRY & ANIMAL SCIENCE 2 EDUCATION & EDUCATIONAL RESEARCH 5 AGRICULTURE, SOIL SCIENCE 2 PSYCHOLOGY, EDUCATIONAL 5 FOOD SCIENCE & TECHNOLOGY 2 SOCIOLOGY 5 ANESTHESIOLOGY 2 REMOTE SENSING ANATOMY & MORPHOLOGY 2 SOCIAL WORK 5 SURGERY PSYCHOLOGY, SOCIAL CRYSTALLOGRAPHY 2 CRIMINOLOGY & PENOLOGY 5 DERMATOLOGY & VENEREAL DISEASES 2 FAMILY STUDIES 5 HEMATOLOGY 2 PSYCHOLOGY, APPLIED ENVIRONMENTAL SCIENCES 2 PHILOSOPHY 5 CLINICAL NEUROLOGY 2 COMMUNICATION 5 PATHOLOGY LITERATURE, AMERICAN OBSTETRICS & GYNECOLOGY 2 ART 5 OPHTHALMOLOGY 2 MATERIALS SCIENCE, MULTIDISCIPLINARY 6 PEDIATRICS 2 MATHEMATICS, APPLIED POLYMER SCIENCE 2 PHYSICS, APPLIED 6 ENGINEERING, CHEMICAL 2 ENGINEERING, MECHANICAL 6 PARASITOLOGY 2 HISTORY & PHILOSOPHY OF SCIENCE 6 VIROLOGY 2 ENGINEERING, MARINE SUBSTANCE ABUSE 2 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 6 CHEMISTRY, ORGANIC 2 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 6 CHEMISTRY, PHYSICAL 2 WOMEN'S STUDIES 6 CHEMISTRY, INORGANIC & NUCLEAR 2 LANGUAGE & LINGUISTICS 6 BEHAVIORAL SCIENCES 2 POETRY 6 TOXICOLOGY 2 ARCHITECTURE 6 GERIATRICS & GERONTOLOGY 2 MATHEMATICS 7 FORESTRY 2 MEDICAL INFORMATICS 7 INFECTIOUS DISEASES 2 CONSTRUCTION & BUILDING TECHNOLOGY 7 RHEUMATOLOGY 2 METALLURGY & METALLURGICAL ENGINEERING 7 UROLOGY & NEPHROLOGY 2 MATERIALS SCIENCE, COMPOSITES 7 ALLERGY 2 ENGINEERING, ELECTRICAL & ELECTRONIC 7 BIOLOGY, MISCELLANEOUS 2 ENGINEERING 7 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 2 MATERIALS SCIENCE, CERAMICS 7 EMERGENCY MEDICINE & CRITICAL CARE 2 ENGINEERING, BIOMEDICAL 7 REHABILITATION 2 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 7 SPORT SCIENCES 2 MATERIALS SCIENCE, COATINGS & FILMS 7 ANDROLOGY 2 MATHEMATICS, MISCELLANEOU 7 SPECTROSCOPY 2 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 7 HORTICULTURE 2 LITERATURE, ROMANCE 7 TRANSPLANTATION LITERATURE ELECTROCHEMISTRY 2 COMPUTER SCIENCE, THEORY & METHODS 8 Capitulo 7: Resultados - 296 - MYCOLOGY 2 STATISTICS & PROBABILITY 8 MICROSCOPY 2 AUTOMATION & CONTROL SYSTEMS 8 SOCIAL SCIENCES, INTERDISCIPLINARY 2 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 8 SOCIAL ISSUES 2 TELECOMMUNICATIONS 8 NURSING 2 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 8 HEALTH CARE SCIENCES & SERVICES 2 MATERIALS SCIENCE, BIOMATERIALS 8 MUSIC 2 COMPUTER SCIENCE, CYBERNETICS 8 ENERGY & FUELS 3 ENGINEERING, INDUSTRIAL 8 GEOSCIENCES, INTERDISCIPLINARY 3 TRANSPORTATION 8 ACOUSTICS 3 SOCIAL SCIENCES, MATHEMATICAL METHODS 8 RESPIRATORY SYSTEM 3 MANAGEMENT 8 WATER RESOURCES 3 HISTORY 8 DENTISTRY, ORAL SURGERY & MEDICINE 3 THEATER 8 ECOLOGY 3 LITERARY REVIEWS ORTHOPEDICS 3 FOLKLORE 8 OTORHINOLARYNGOLOGY 3 LITERATURE, BRITISH ISLES 8 PSYCHIATRY 3 COMPUTER SCIENCE, INFORMATION SYSTEMS 9 TROPICAL MEDICINE 3 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 9 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 3 ENGINEERING, MANUFACTURING 9 MEDICINE, LEGAL 3 ERGONOMICS 9 ANTHROPOLOGY 3 ECONOMICS PERIPHERAL VASCULAR DISEASE 3 BUSINESS 9 INSTRUMENTS & INSTRUMENTATION 3 HISTORY OF SOCIAL SCIENCES 9 ENGINEERING, ENVIRONMENTAL 3 ETHNIC STUDIES 9 CHEMISTRY, APPLIED 3 RELIGION 9 MATERIALS SCIENCE, PAPER & WOOD 3 CLASSICS 9 THERMODYNAMICS 3 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 9 ENVIRONMENTAL STUDIES 3 AGRICULTURAL ECONOMICS & POLICY 10 SOCIAL SCIENCES, BIOMEDICAL 3 INFORMATION SCIENCE & LIBRARY SCIENCE 10 PSYCHOLOGY, BIOLOGICAL 3 LAW 10 EDUCATION, SPECIAL 3 PLANNING & DEVELOPMENT 10 HEALTH POLICY & SERVICES 3 BUSINESS, FINANCE DEMOGRAPHY 3 PUBLIC ADMINISTRATION 10 ARTS & HUMANITIES, GENERAL 3 AREA STUDIES 10 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 3 POLITICAL SCIENCE 10 ENGINEERING, PETROLEUM 4 INTERNATIONAL RELATIONS 10 ASTRONOMY & ASTROPHYSICS 4 INDUSTRIAL RELATIONS & LABOR 10 MARINE & FRESHWATER BIOLOGY 4 ASIAN STUDIES 10 PHYSICS, MULTIDISCIPLINARY 4 Tabla 50. Distancias de las categorías del scientograma del dominio español 1995-1998, respecto a su categoría central - 297 - Ilustración 73. Scientograma de distancias del dominio español 1995-1998, respecto a su categoría central Capitulo 7: Resultados - 298 - Categoría Distancia Categoría Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 ORNITHOLOGY 4 MEDICINE, GENERAL & INTERNAL 1 ENVIRONMENTAL STUDIES 4 CHEMISTRY, MULTIDISCIPLINARY 1 PSYCHOLOGY, CLINICAL 4 AGRICULTURE 1 MATERIALS SCIENCE, TEXTILES 4 NUTRITION & DIETETICS 1 ARCHAEOLOGY 4 PLANT SCIENCES 1 PSYCHOLOGY, PSYCHOANALYSIS 4 ZOOLOGY 1 DEMOGRAPHY BIOLOGY 1 LITERARY REVIEWS 4 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 BIODIVERSITY CONSERVATION 4 BIOCHEMICAL RESEARCH METHODS 1 LITERARY THEORY & CRITICISM 4 CELL BIOLOGY 1 ENGINEERING, PETROLEUM 5 ENDOCRINOLOGY & METABOLISM 1 MECHANICS 5 MEDICINE, RESEARCH & EXPERIMENTAL 1 PHYSICS, NUCLEAR 5 NEUROSCIENCES 1 OPTICS ONCOLOGY 1 PHYSICS, CONDENSED MATTER 5 PHARMACOLOGY & PHARMACY 1 OCEANOGRAPHY 5 PHYSIOLOGY 1 NUCLEAR SCIENCE & TECHNOLOGY 5 VETERINARY SCIENCES 1 PHYSICS, FLUIDS & PLASMAS 5 MICROBIOLOGY 1 PHYSICS, PARTICLES & FIELDS 5 BIOPHYSICS 1 FISHERIES MEDICAL LABORATORY TECHNOLOGY 1 LIMNOLOGY 5 REPRODUCTIVE SYSTEMS 1 PSYCHOLOGY, EXPERIMENTAL 5 GENETICS & HEREDITY 1 PSYCHOLOGY, MATHEMATICAL 5 IMMUNOLOGY 1 ENGINEERING, CIVIL 5 DEVELOPMENTAL BIOLOGY 1 PHYSICS, MATHEMATICAL 5 CHEMISTRY, MEDICINAL 1 PSYCHOLOGY, DEVELOPMENTAL 5 FILM, RADIO, TELEVISION 1 EDUCATION & EDUCATIONAL RESEARCH 5 GASTROENTEROLOGY & HEPATOLOGY 2 PSYCHOLOGY, EDUCATIONAL 5 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 2 SOCIOLOGY 5 EDUCATION, SCIENTIFIC DISCIPLINES 2 URBAN STUDIES 5 ENTOMOLOGY 2 SOCIAL WORK CARDIAC & CARDIOVASCULAR SYSTEMS 2 PSYCHOLOGY, SOCIAL 5 AGRICULTURE, DAIRY & ANIMAL SCIENCE 2 CRIMINOLOGY & PENOLOGY 5 AGRICULTURE, SOIL SCIENCE 2 FAMILY STUDIES 5 FOOD SCIENCE & TECHNOLOGY 2 PSYCHOLOGY, APPLIED 5 ANESTHESIOLOGY 2 COMMUNICATION ANATOMY & MORPHOLOGY 2 ARCHITECTURE 5 SURGERY 2 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 5 CRYSTALLOGRAPHY PSYCHOLOGY, MULTIDISCIPLINARY 5 DERMATOLOGY & VENEREAL DISEASES 2 GEOSCIENCES, INTERDISCIPLINARY 6 HEMATOLOGY 2 MATERIALS SCIENCE, MULTIDISCIPLINARY CLINICAL NEUROLOGY 2 MATHEMATICS, APPLIED 6 PATHOLOGY PHYSICS, APPLIED OBSTETRICS & GYNECOLOGY 2 ENGINEERING, MECHANICAL 6 OPHTHALMOLOGY 2 ENGINEERING, MARINE PEDIATRICS 2 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 6 PARASITOLOGY 2 LANGUAGE & LINGUISTICS 6 VIROLOGY 2 ETHNIC STUDIES 6 CHEMISTRY, ORGANIC 2 MATHEMATICS 7 CHEMISTRY, ANALYTICAL 2 MEDICAL INFORMATICS 7 CHEMISTRY, PHYSICAL 2 CONSTRUCTION & BUILDING TECHNOLOGY 7 CHEMISTRY, INORGANIC & NUCLEAR 2 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 7 BEHAVIORAL SCIENCES 2 ASTRONOMY & ASTROPHYSICS 7 TOXICOLOGY 2 METALLURGY & METALLURGICAL ENGINEERING 7 GERIATRICS & GERONTOLOGY 2 STATISTICS & PROBABILITY 7 FORESTRY 2 MATERIALS SCIENCE, COMPOSITES INFECTIOUS DISEASES 2 ENGINEERING, ELECTRICAL & ELECTRONIC 7 RHEUMATOLOGY 2 METEOROLOGY & ATMOSPHERIC SCIENCES 7 UROLOGY & NEPHROLOGY 2 ENGINEERING 7 ALLERGY 2 ENGINEERING, MANUFACTURING BIOLOGY, MISCELLANEOUS 2 PALEONTOLOGY 7 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 2 MATERIALS SCIENCE, CERAMICS 7 EMERGENCY MEDICINE & CRITICAL CARE 2 GEOCHEMISTRY & GEOPHYSICS 7 REHABILITATION 2 ENGINEERING, BIOMEDICAL 7 SPORT SCIENCES 2 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 7 ANDROLOGY 2 MATERIALS SCIENCE, COATINGS & FILMS 7 HORTICULTURE 2 GEOLOGY 7 TRANSPLANTATION 2 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 7 MYCOLOGY 2 MINING & MINERAL PROCESSING 7 MICROSCOPY 2 ENGINEERING, GEOLOGICAL SOCIAL ISSUES 2 LITERATURE, ROMANCE 7 HEALTH CARE SCIENCES & SERVICES 2 ENGINEERING, OCEAN 7 POETRY MUSIC Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 299 - FOLKLORE 2 LITERATURE 7 AGRICULTURE, MULTIDISCIPLINARY 2 APPLIED LINGUISTICS 7 INTEGRATIVE & COMPLEMENTARY MEDICINE 2 GEOGRAPHY, PHYSICAL 7 MEDICAL ETHICS 2 COMPUTER SCIENCE, THEORY & METHODS 8 AGRICULTURAL ENGINEERING 2 COMPUTER SCIENCE, INFORMATION SYSTEMS 8 ACOUSTICS 3 ENGINEERING, AEROSPACE 8 RESPIRATORY SYSTEM 3 AUTOMATION & CONTROL SYSTEMS 8 ENVIRONMENTAL SCIENCES 3 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 8 DENTISTRY, ORAL SURGERY & MEDICINE 3 TELECOMMUNICATIONS 8 ECOLOGY 3 MINERALOGY ORTHOPEDICS 3 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 8 OTORHINOLARYNGOLOGY 3 MATHEMATICS, MISCELLANEOUS 8 POLYMER SCIENCE 3 GEOGRAPHY 8 ENGINEERING, CHEMICAL 3 MATERIALS SCIENCE, BIOMATERIALS 8 PSYCHIATRY 3 COMPUTER SCIENCE, CYBERNETICS 8 TROPICAL MEDICINE 3 ENGINEERING, INDUSTRIAL 8 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 3 REMOTE SENSING 8 MEDICINE, LEGAL 3 MANAGEMENT 8 ANTHROPOLOGY 3 SOCIAL SCIENCES, INTERDISCIPLINARY PERIPHERAL VASCULAR DISEASE 3 PHILOSOPHY 8 CHEMISTRY, APPLIED 3 THEATER 8 MATERIALS SCIENCE, PAPER & WOOD 3 LITERATURE, BRITISH ISLES 8 SPECTROSCOPY 3 TRANSPORTATION SCIENCE & TECHNOLOGY 8 ELECTROCHEMISTRY 3 HISTORY & PHILOSOPHY OF SCIENCE 9 SOCIAL SCIENCES, BIOMEDICAL 3 INFORMATION SCIENCE & LIBRARY SCIENCE 9 PSYCHOLOGY, BIOLOGICAL 3 ERGONOMICS 9 NURSING 3 TRANSPORTATION WOMEN'S STUDIES 3 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 9 EDUCATION, SPECIAL 3 SOCIAL SCIENCES, MATHEMATICAL METHODS 9 HEALTH POLICY & SERVICES 3 BUSINESS 9 LITERATURE, AMERICAN 3 PLANNING & DEVELOPMENT 9 ARTS & HUMANITIES, GENERAL 3 ROBOTICS 9 ART 3 ETHICS LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 3 ECONOMICS 10 CRITICAL CARE MEDICINE 3 AGRICULTURAL ECONOMICS & POLICY 11 GERONTOLOGY 3 LAW 11 NEUROIMAGING 3 BUSINESS, FINANCE EVOLUTIONARY BIOLOGY 3 PUBLIC ADMINISTRATION 11 ENERGY & FUELS 4 AREA STUDIES 11 WATER RESOURCES 4 POLITICAL SCIENCE 11 MARINE & FRESHWATER BIOLOGY 4 INTERNATIONAL RELATIONS 11 PHYSICS, MULTIDISCIPLINARY 4 HISTORY OF SOCIAL SCIENCES 11 SUBSTANCE ABUSE 4 INDUSTRIAL RELATIONS & LABOR 11 INSTRUMENTS & INSTRUMENTATION 4 HISTORY 12 ENGINEERING, ENVIRONMENTAL 4 RELIGION 13 PSYCHOLOGY 4 CLASSICS THERMODYNAMICS 4 ASIAN STUDIES 14 Tabla 51. Distancias de las categorías del scientograma del dominio español 1999-2002, respecto a su categoría central - 300 - Ilustración 74. Scientograma de distancias del dominio español 1999-2002, respecto a su categoría central Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 301 - A nivel general, el grado de universalidad de las categorías de los tres periodos, (su distancia geodésica) es muy similar en los tres casos. Las diferencias principales las encontramos sobre todo en las categorías pertenecientes al área de las Humanidades, que por sus relaciones en algunas ocasiones dudodas, presentan grandes variaciones en sus distancias. Por lo demás, el grado en que comparten fuentes con otras categorías o su nivel de participación en el desarrollo del dominio, está perfectamente definido por la distancia geodésica en cada periodo. Por ejemplo, si queremos encontrar las veinte categorías que más participan en la investigación en los tres intervalos de tiempo, sólo tenemos que seleccionar aquellos con una distancia menor en cada periodo: Categoría 1990-1994 Distancia 1995-1998 Distancia 1999-2002 Distancia BIOCHEMISTRY & MOLECULAR BIOLOGY 0 0 0 AGRICULTURA 1 1 1 BIOCHEMICAL RESEARCH METHODS 1 1 1 BIOLOGY 1 1 1 BIOPHYSICS BIOTECHNOLOGY & APPLIED MICROBIOLOGY 1 1 1 CHEMISTRY, MEDICINAL 1 1 1 CHEMISTRY, MULTIDISCIPLINARY DEVELOPMENTAL BIOLOGY 1 1 1 ENDOCRINOLOGY & METABOLISM 1 1 1 GENETICS & HEREDITY 1 1 1 IMMUNOLOGY 1 1 1 MEDICINE, RESEARCH & EXPERIMENTAL 1 1 1 MICROBIOLOGY 1 1 1 NEUROSCIENCES NUTRITION & DIETETICS 1 1 1 ONCOLOGY 1 1 1 PHARMACOLOGY & PHARMACY PHYSIOLOGY 1 1 1 PLANT SCIENCES REPRODUCTIVE SYSTEMS 1 1 1 VETERINARY SCIENCES ZOOLOGY 1 1 1 Tabla 52. Veinte primeras categorías de carácter más universal, del dominio español 1990-2002 Prominencia Como se puede ver, bien de forma tabular, o bien de forma gráfica, mediante las tablas e ilustraciones que se muestran a continuación, Biochemistry & Molecular Biology es la categoría más prominente en los tres intervalos temporales, aumentando su grado de prominencia con el paso del tiempo. Capitulo 7: Resultados - 302 - 1990-1994 Categoría Prominenci a BIOCHEMISTRY & MOLECULAR BIOLOGY 151.53 MEDICINE, GENERAL & INTERNAL 52.58 PSYCHOLOGY 38.77 PHYSICS, MULTIDISCIPLINARY 25.82 ENGINEERING, ELECTRICAL & ELECTRONIC 22.4 GEOSCIENCES, INTERDISCIPLINARY 21.88 MATHEMATICS, APPLIED 19.6 LANGUAGE & LINGUISTICS 15.53 HISTORY 15 ECONOMICS 14.4 MATERIALS SCIENCE, MULTIDISCIPLINARY 10.29 MARINE & FRESHWATER BIOLOGY 9 1990-1994 Categoría Prominencia BIOCHEMISTRY & MOLECULAR BIOLOGY 187.68 PSYCHOLOGY 38.6 GEOSCIENCES, INTERDISCIPLINARY 37.29 MATHEMATICS, APPLIED 26.46 ENGINEERING, ELECTRICAL & ELECTRONIC 25 PHYSICS, MULTIDISCIPLINARY 23.3 ECONOMICS 20.54 HISTORY 15 LITERATURE, ROMANCE 12.4 MATERIALS SCIENCE, MULTIDISCIPLINARY 12.2 BIOLOGY, MISCELLANEOUS 11.53 MARINE & FRESHWATER BIOLOGY 11 1990-1994 Categoría Prominencia BIOCHEMISTRY & MOLECULAR BIOLOGY 201.75 PSYCHOLOGY 37.75 GEOSCIENCES, INTERDISCIPLINARY 29 ENGINEERING, ELECTRICAL & ELECTRONIC 26.5 PHYSICS, MULTIDISCIPLINARY 21.82 ECONOMICS 21.54 BIOLOGY, MISCELLANEOUS 21.32 CHEMISTRY, ANALYTICAL 20.32 MATERIALS SCIENCE, MULTIDISCIPLINARY 18.75 MATHEMATICS, APPLIED 18.7125 LANGUAGE & LINGUISTICS 11.47 Tabla 53. Categorías más prominentes del dominio español 1990-2002 Para el periodo 1990-1994, el algoritmo de robo detecta veintitrés categorías prominentes. Mediante el test scree identificamos doce, nueve de las cuales son el origen de alguna de las diez áreas temáticas de este periodo. Sólo queda pues por identificar el área temática Agricultura y Ciencias del Suelo, cuya categoría origen consideramos que es Agriculture. En el intervalo 1990-1995, el algoritmo de robo detecta veinte categorías. Doce son identificadas por el test scree y de estas, nueve son el origen de alguna de las diez áreas temáticas de este periodo. Agricultura y Ciencias del Suelo no es identificada como prominente mediante este algoritmo. Consideramos de nuevo que su categoría origen es Agriculture. Finalmente, en el periodo de 1999-2002 se detectan veinte categorías como prominentes, de las cuales, once son identificadas por el test scree. De ellas, nueve son el origen de alguna de las once áreas temáticas. No se detectan por tanto las áreas temáticas: Política Sanitaria y Servicios Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 303 - Médicos, y Agricultura y Ciencias del Suelo, cuyas categorías origen consideramos que son: Agriculture y Medicine General & Internal. - 304 - Ilustración 75. Scientograma de las categorías más prominentes del dominio español 1990-1994 - 305 - Ilustración 76. Scientograma de las categorías más prominentes del dominio español 1995-1998 - 306 - Ilustración 77. Scientograma de las categorías más prominentes del dominio español 1999-2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 307 - En resumen y en vista de los resultados obtenidos por el algoritmo de robo de grado, podemos decir que Biochemistry & Molecular Biology se consolida como la categoría más prominente del dominio español, incrementando su prominencia, es decir, la utilización de sus fuentes por parte de las categorías que la rodean, en la medida que avanza el tiempo. Psychology, a partir del segundo periodo y hasta el 2002 se consolida como la segunda categoría más prominente del dominio español, aunque su grado de prominencia no aumenta en el último periodo, sino que permance estable a lo largo de los dos últimos. Por último, Geosciences es la tercera categoría en discordia desde el punto de vista de su prominencia. Afianzada en este puesto a partir del segundo periodo, mantiene desde entonces una dura pugna con Engineering Electrical & Electronic 8 Informática y Telecomunicaciones8 por este tercer puesto. 7.3.3.3. Columna Vertebral Desde la pespectiva de la evolución, podemos decir que la columna vertebral de la investigación del dominio español, se afianza y se desarrolla con el paso del tiempo. Ilustración 78. Columna vertebral de la investigación española 1990-1994 Capitulo 7: Resultados - 308 - En el periodo 1990-1994, son tres las áreas temáticas que integran el espinazo de la ciencia española: Biomedicina, Ciencias de los Materiales y Física Aplicada, y Agricultura y Ciencias del Suelo, las cuales se componen por siete categorías. No obstante, tres de estas categorías 8 de color rojo8 son de las que en el apartado 7.1.3.2 denominabamos de tipo uno, es decir, como aquellas que son el origen o primera fase de evolución de un área temática. En el intervalo 1990-1995 la situación es muy parecida a la anterior, donde la espina dorsal de la investigación española se compone por dos áreas temáticas consolidadas y una emergente. No obstante, se produce un aumento en el número de categorías de la Biomedicina: (tres), al tiempo que una reducción a sólo una, en el área de la Agricultura y Ciencias del Suelo. Por lo que el número total de categorías aumenta con respecto al periodo anterior: diez frente a siete. Ilustración 79. Columna vertebral de la investigación española 1995-1998 En el último periodo, son tres lás áreas temáticas que constituyen la columna vertebral de la investigación española, pues Agricultura y Ciencias del Suelo, ya aparece como consolidada, como se puede ver en la ilustración que se muestra a continuación. El número de categorías que integran estas tres áreas, también crece respecto al periodo anterior: trece Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 309 - frente a diez. Por todo esto, es por lo que anteriormente afirmábamos que el dominio español, se afianza y se desarrolla con el paso del tiempo. Ilustración 80. Columna vertebral de la investigación española 1999-2002 A nivel general y en vista de las tres ilustraciones anteriores, no podemos más que confirmar lo dicho hasta ahora a nivel macro y microestructural: x El área temática de la Biomedicina es el núcleo de investigación del dominio científico español; es el área que más fuentes comparte con el resto y por tanto, la que más interviene en el desarrollo científico del dominio. Tambien es la que con el paso del tiempo más aumenta el número de sus categorías y con ellas, su influencia sobre el resto de áreas. Capitulo 7: Resultados - 310 - x La segunda área temática más influyente del dominio español es Ciencias de los Materiales y Física Aplicada, la cual también evoluciona y se desarrolla con el tiempo, pero en mucha menor medida que su predecesora. x La tercera área temática es Agricultura y Ciencias del Suelo. No obstante, otras medidas como la prominencia, señalaban en este puesto a las Ciencias de la Tierra y del Espacio, e incluso la centralidad de grado a nivel macroestructural, ponía en esta tercera posición al área de la Biología Animal y Ecología. Estas divergencias en posiciones infereriores, son comunes en algunas de las medidas basadas en el grado de las redes sociales. Pero lo importante es que todas ellas coinciden en señalar cuáles son las más significativas. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 311 - 8. Discusión La scientografía de grandes dominios científicos basada en la cocitación pura de las categorías JCR y representada mediante PFNETs, ofrece la posibilidad de poder explorar el estado de la investigación desde una amplia gama de perspectivas. Por una parte ofrece a los analistas de dominios la posibilidad de ver y conocer cuáles son las conexiones esenciales o más significativas entre categorías de un determinado dominio. Además permite ver cómo se agrupan dichas categorías en grandes áreas temáticas y cómo se interrelacionan a través de un orden lógico y de secuencias explícitas de categorías. Finalmente facilita el análisis detallado de la estructura de un dominio, su comparación con otro, o estudio de su evolución a través del tiempo. Por otra parte, aquellos usuarios interesados en la recuperación de la información, pueden acceder a los documentos que se encuentran detrás de cada una de las esferas que representan a las categorías en los scientogramas. De igual modo, pueden acceder a los trabajos contenidos en los enlaces entre categorías, pues son estos los que propician dichos enlaces, y así estudiar el grado de influencia de una categoría sobre otra, o de otras sobre ellas. Por otra parte, no resultaría excesivamente complicado, hacer que los documentos recuperados fuesen accesibles a texto completo desde aquellas instituciones, como por ejemplo la Universidad de Granada, que ya ofrecen a sus usuarios el acceso electrónico al contenido de las principales revistas mundiales. Por último, los scientogramas ofrecen a los nuevos investigadores, y a los que se aproximan a ellos por primera vez, una imagen persistente de la estructura esencial del dominio, la cual puede ayudarles a completar la imagen mental que ya tenían del mismo, o convertirse en un punto de referencia a partir del cual, construir su propia percepción del dominio científico. Capitulo 8: Discusión - 312 - 8.1. Importancia y Calidad de los Resultados La calidad e importancia de los resultados de nuestros scientogramas puede ser evaluada desde al menos tres perspectivas diferentes: 1) Desde el punto de vista de la cocitación y de la visualización de la información, que ya hemos realizado a lo largo del Capítulo 7. 2) Mediante la comparación con una clasificación temática aceptada como elemento de evaluación de la ciencia, como haremos a continuación. 3) A través de la evaluación basada en usuarios. Esta perspectiva es muy importante, sin embargo, dada la envergadura de dicha tarea, se reserva como una línea futura de investigación. Son varias las clasificaciones temáticas que agrupan las categorías JCR en conglomerados superiores. Entre ellas, se encuentra la realizada por la Agencia Nacional de Evaluación y Prospectiva(ANEP, 2004), la cual hemos elegido por ser la utilizada para la valoración y evaluación técnica y científica del Plan Nacional de Investigación y Desarrollo Español. La taxonomía realizada por la ANEP, agrupa las categorías JCR en veinticinco grandes áreas temáticas o clases 8 anexo V 8 , de las cuales nosotros hemos eliminado la multidisciplinar. La evaluación de nuestros scientogramas consiste pues en sustituir el nombre de las categorías JCR, por las clases ANEP. La bondad del sistema de clasificación de los scientogramas, 8 combinación de PFNET más cocitación pura de categorías8 , será mayor o menor en la medida que las áreas temáticas de la ANEP coincidan con los racimos de los scientogramas. Por otra parte, la utilidad de los scientogramas factoriales quedará puesta de manifiesto en la medida en que dichas agrupaciones coincidan con las áreas temáticas señaladas por él AF. La clasificación de la ANEP permite la adscripción múltiple de una misma categoría a distintas clases. Puesto que en los scientogramas, una categoría sólo puede pertenecer a un área temática o Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 313 - clase, para resolver este problema de adjudicación de una categoría a una clase u otra, hemos elegido la primera asignación que realiza la ANEP y rechazamos el resto. Para poder captar a simple vista el grado de adecuación de la taxonomía propuesta por nuestros scientogramas, con la establecida por la ANEP, hemos utilizado las abreviaturas de sus clases, las cuales tienen su correspondiente equivalencia en el anexo V. A continuación mostramos las abreviaturas de las clases ANEP sobre los scientogramas factoriales evolutivos del dominio español en sus tres periodos. - 314 - Ilustración 81. Scientograma factorial de clases ANEP del dominio español 1990-1994 - 315 - Ilustración 82. Scientograma factorial de clases ANEP del dominio español 1995-1998 - 316 - Ilustración 83. Scientograma factorial de clases ANEP del dominio español 1999-2002 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 317 - Si observamos detenidamente cualquiera de los tres scientogramas evolutivos anteriores, veremos que la coincidencia entre las agrupaciones de categorías obtenidas mediante nuestros scientogramas y las realizadas por la ANEP mediante sus clases, es prácticamente total. Las diferencias existentes se deben principalmente a la diferencia del número de factores identificados mediante el AF, y el número de clases que según la ANEP integran el dominio científico español. Por ejemplo, en el scientograma factorial de clases del periodo 1999-2002 el primer factor al que nosotros denominabamos como Biomedicina, coincide prácticamente en su totalidad con aquellos dos que la ANEP considera que componen esta área temática: Biología Molecular Celular y Genética (MOL) y Medicina (MED). Lo mismo podemos decir del segundo factor identificado, es decir, Ciencias de los Materiales y Física Aplicada y sus correspondientes clases ANEP: Ciencia y Tenología de los Materiales (MAR), Física y Ciencias del Espacio (FIS) y Química (QUI). Podemos seguir con Psicología y su correspondencia con Psicología y Ciencias de la Educación (PSI), con Ciencias de la Tierra y del Espacio y su equivalente Ciencias de la Tierra (TIE), con Informática y Telecomunicaciones y su semejante ANEP: Ciencias de la Computación y Tecnología Informática (COM), etc. Hasta llegar al último de los once factores identificados en este periodo, para ratificar la equivalencia y por tanto la calidad de los resultados de nuestros scientogramas. Las divergencias que se producen entre las agrupaciones propuestas por los scientogramas y la clasificación de la ANEP, hay que considerarlas como singularidades que aportan información sobre las características específicas que tienen los dominios. Recordemos que las relaciones que se muestran en los scientogramas, no son más que el reflejo de la labor inconsciente de cientos de miles de investigadores por medio de sus citas, mientras la clasificación de la ANEP es una taxonomía elaborada por unos pocos expertos. Capitulo 9: Conclusiones - 318 - 9. Conclusiones La información conclusiva de esta tesis, ha sido ya expuesta a lo largo de los capítulos que la componen, como consecuencia de haber ido desgranando las diversas metodologías de representación y análisis en ella propuestas. Por lo que no la vamos a repetir. No obstante, y a modo de colofón, a continuación remarcamos las conclusiones generales a las que hemos llegado, seguidas de las líneas futuras de investigación que pretendemos seguir. En esta tesis, hemos desarrollado una nueva metodología para la visualización y análisis de grandes dominios científicos, la cual hemos sometido a prueba aplicándola a diversos entornos geográficos. En concreto, la hemos utilizado para visualizar y analizar el mayor dominio geográfico existente: el mundo. También la hemos chequeado mediante la comparación de dos grandes áreas geográficas como son: Estados Unidos (USA) y la Unión Europea (UE). Finalmente, hemos examinado su utilidad en la visualización y estudio evolutivo del dominio geográfico español. Puesto que la información con la que se han construido los scientogramas de los dominios geográficos anteriormente nombrados, procede de las bases de datos del ISI, la aplicación de esta metodología a otro tipo de dominios, ya sean temáticos, sectoriales, institucionales, etc., no presenta ningún tipo de complicación. Hemos desarrollado una herramienta muy potente. Tanto que al menos, hasta donde alcanzan nuestras fuentes, podemos decir que gracias a ella, es la primera vez en la historia de la visualización de la información, que es posible observar y analizar la estructura completa de un gran dominio científico. En nuestro caso, con unos medios muy básicos y unos costes informáticos mínimos, esta herramienta nos ha permitido esquematizar las relaciones existentes entre millones de documentos, hasta representar la estructura científica básica de un gran dominio. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 319 - Pero esta herramienta no sólo es potente por su capacidad de esquematización, también lo es por representar la información relacional encadenada en una serie de secuencias inteligibles, que facilitan y favorecen la comprensión, análisis, e interpretación de la estructura del dominio que se representa. Tanto por usuarios no iniciados, como por expertos en el mismo. Los scientogramas no son la simple representación gráfica de la estructura del JCR. Al contrario, son la prueba evidente de la evolución de la ciencia. Por tanto, se convierten en el plebiscito u opinión consensuada, que los autores de un dominio tienen de la imagen del mismo. Estos scientogramas podrán verse ciertamente mejorados, y perderán parte de la complejidad inherente a su construcción, en el momento en el que la categorización de los documentos se realize directamente a partir de la asociación de las citas de los autores con las categorías JCR. Es decir, sin la intermediación de las revistas (tal y como hemos hecho en esta tesis con los documentos multidisciplinares). No obstante, el tiempo necesario para realizar esta categorización de documentos, hace que esta nueva forma de extraer la estructura intelectual de un dominio, quede relegada a nuevas líneas de investigación. Con un coste informático ínfimo y como elemento de agrupación, es totalmente factible superponer estructuras de carácter superior, a las ya conseguidas mediante nuestra herramienta. Este es el caso, por ejemplo, de la macroestructura obtenida mediante el AF. La cual pone de manifiesto el alto grado de compatibilidad y complementariedad entre ambas. Otras estructuras de carácter superior, como la clasificación de la ANEP, pueden ser también utilizadas como elemento aglutinador, al tiempo que evaluador de la estructura. Capitulo 9: Conclusiones - 320 - Mediante la recuperación de información de categorías y enlaces, hacemos posible la evaluación del significado y utilidad de los scientogramas, al mismo tiempo que facilitamos el análisis y evolución de un dominio. La aplicación práctica de esta metodología significa la puesta en relación de varios campos de investigación como son: la visualización de la información, el análisis de citas, el análisis de redes sociales, y el análisis de dominios. Los scientogramas no pueden predecir el futuro de la investigación, pero si pueden indicarlo. Los cambios que se producen en los scientogramas, de un año a otro, muestran tendencias que pueden ser utilizadas para el diagnóstico y pronóstico de un dominio. Su agrupación geográfica, los convierte en una especie de atlas histórico que representan las ideas y descubrimientos científicos de un periodo de tiempo determinado donde, se muestran las relaciones existentes entre disciplinas e incluso entre áreas temáticas, se indican los principales focos de investigación en incluso de interacción, se muestra la prominencia de unas investigaciones sobre otras, etc. Consideramos que nuestros scientogramas están perfectamente diseñados, para ser utilizados como herramientas y método para la visualización y análisis de dominios, pues cumplen las siguientes propiedades: x Representan tanto pequeñas como grandes cantidades de información, x reducen el tiempo de búsqueda visual de la misma, x facilitan la comprensión de estructuras complejas de datos, Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 321 - x ponen de manifiesto las relaciones entre elementos, que de otra forma no serían apreciadas, x favorecen la formulación de hipótesis, y x pueden convertirse en objeto de análisis, debate y discusión. Las ventajas de los scientogramas de grandes dominios son muchas desde el punto de vista de la visualización y análisis de la información, como hemos comentado anteriormente. No obstante, cuentan con dos aspectos en los que podrían ser mejorados. El primero está relacionado con la información utilizada para construir los scientogramas. Aunque las bases de datos del ISI son las más prestigiosas y adecuadas para representar la estructura científica de cualquier dominio, la exhaustividad de los scientogramas se vería beneficiada si se les incorporase información procedente de otras fuentes como: bases de datos de áreas temáticas especializadas, información sobre actas de congresos, etc. El segundo aspecto tiene que ver con la interpretación de los scientogramas. Aunque los scientogramas son el reflejo objetivo de un dominio, pues son el consenso de la opinión de miles de autores a través de sus citas, es posible que la interpretación de los mismos pueda verse cargada de un cierto grado de subjetividad, en tanto que dicha interpretación está realizada por individuos. Líneas Futuras de Investigación - 322 - Líneas Futuras de Investigación Como ha quedado demostrado en esta tesis, la metodología propuesta se constituye como una muy buena herramienta con la que extraer la imagen mental que los investigadores tienen de un dominio científico, y representar su consenso mediante los scientogramas. Pero las utilidades de esta herramienta no se quedan sólo aquí, también pueden ser extendidas a: La construcción de un sistema de navegación de dominios científicos. Los scientogramas de grandes dominios geográficos pueden ser considerados como un primer nivel de representación y análisis. A partir de ellos, es posible descender escalonadamente a otros niveles inferiores de tipo geográfico, sectorial, institucional, e incluso si se desea, llegar hasta el de autores. A partir del sistema de navegación anterior, y mediante la incorporación de una buena batería de indicadores bibliométricos, este puede convertirse en un sistema de información y recuperación bibliométrica al más puro estilo Atlas of Science(Grupo SCImago, 2005). Además, sería muy factible construir scientogramas que informasen si las categorías de un dominio cualquiera, están, por ejemplo, por encima o por debajo de la media de la producción mundial a partir de distintos colores en las mismas; o advertir de que el grado de inmediatez de las citas de una categoría está por encima o por debajo de un determinado intervalo de tiempo, mediante el mismo sistema, etc. Como habíamos indicado en el apartado 8.1, otra línea de trabajo futura es la evaluación basada en usuarios. La posibilidad de generar scientogramas animados, con los que poder visualizar la evolución de un dominio, es un hecho que por cuestiones de tiempo se nos ha quedado en el tintero, pero que esperamos poder desarrollar en breve tiempo. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 323 - Del mismo modo, y también por falta de tiempo, como hemos dicho en las conclusiones, no hemos podido realizar scientogramas basados en la categorización directa de los documentos. Pero esto será prácticamente inminente. Por último, la consecución de la generación automática de scientogramas, es decir, que para su análisis no sea necesario que estos tengan que estar prefabricados de antemano, sino que se generen bajo la petición expresa de un usuario, es algo con lo que ya estamos trabajando, aunque aún tardará un poco en ver la luz. Bibliografía Bibliografía 1. Aaronson, S. (1975). The footness of science. Mosaic,6, (March- April), 22-27. 2. ANEP. (2004). Agencia Nacional de Evaluación y Prospectiva [Página Web]. Disponible en: http://www.mcyt.es/sepct/ANEP/anep.htm [Consultado en: 31/03/2005]. 3. Araya, A. A. (2003). The hidden side of visualization. Journal of the Society for Philosophy and Technology 7, 27-93. 4. Barnes, J. A. (1954). Class and committees in a Norwegian island parish. Human Relations, 7, 3-58. 5. Batagelj, Vladimir y Mrvar, Andrej. (2005). Pajek 1.03: Package for large network analysis . 6. Batini, C., Nardelli, E., y Tamassia, R. (1986). A layout algorithm for data flow diagrams. IEEE Transactions. Software Engineering SE-12, 539-546. 7. Bonnevie, E. (2003). A multifaceted portrait of a library and information science Journal: the case of the Journal of Information Science. Journal of Information Science 29, 11-23. 8. Bordons, M. y Gómez Caridad, I. (1997). La Actividad Científica Espa ola a través de Indicadores Bibliométricos en el Período 1990- 93. Revista General de Información y Documentación, 7, (2), 69-86. 9. Borgatti, S. P. y Everett, M. G. (1992). Regular Blockmodels of Multiway, Multimode Matrices. Social Networks, 14, (1-2), 91-120. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 325 - 10. Boyack, K. W. y Börner, K. (2003). Indicator-assisted evaluation and funding of research: visualizing the influence of grants on the number and citation counts of research papers. Journal of the American Society for Information Science and Technology (JASIST) 54, 447- 461. 11. Braam, R. R., Moed, H. F., y van Raan, A. F. J. (1991a). Mapping of Science by combined co-citation and word analysis. I: structural aspects. Journal of the American Society for Information Science (JASIS), 42, (4), 233-251. 12. Braam, R. R., Moed, H. F., y van Raan, A. F. J. (1991b). Mapping of Science by combined co-citation and word analysis. II: dynamic aspects. Journal of the American Society for Information Science (JASIS), 42, (4), 252-266. 13. Bradford, S.C. (1948). Documentation. London: Crosby Lockwood and Sons. 14. Brandenburg, F. J., Himsolt, M., y Rohrer, C. (1995). An Experimental Comparison of Force-Directed and Randomized Graph Drawing Algorithms. Lecture Notes in Computer Science 1027, 87. 15. Braun, T.; Glanzel, W.; y Schubert, A. (2000). How balanced is the Science Citation Index?s journal coverage? a preliminary overview of macrolevel statistical data. En: B. Cronin y H. B. Atkins (Eds.), The web of knowledge: a festschrift in honor of Eugene Garfield New Jersey: Information Today. 16. Bush, V. (1945). As we may think. The Atlantic Montly 176, 101-108. 17. Buter, R. K. y Noyons, E. C. M. (2001). Improving the functionality of interactive bibliometric science maps. Scientometrics, 51, (1), 55-67. Bibliografía - 326 - 18. Buzydlowski, J. (2002). A Comparison of Self-Organizing Maps and Pathfinder Networks for the Mapping of Co-Cited Authors. Tesis Doctoral. Universidad de Drexel. 19. Buzydlowski, J., White, H. D., y Lin, X. (2002). Term co-occurrence analysis as an interface for digital libraries. Lecture Notes in Computer Science Series, 2539, 133-144. 20. Börner, K., Chen, C., y Boyack, K. W. (2003). Visualizing knowledge domains. Annual Review of Information Science & Technology,37, 179-255. 21. Card, S.K., Mackinlay, J.D., y Shneiderman, B. (1999). Readings in information visualization: using vision to think. San Francisco: Morgan Kaufmann. 22. Carpano, M. (1980). Automatic display of hierarchized graphs for computer-aided decision analysis. IEEE Transaction on Systems Man and Cibernetics SMC-10, 705-715. 23. Cassi, L. (2003). Information, knowledge and social networks: is a new buzzword coming up? En: DRUID PhD Conference, (20 p.). 24. Chen, C. (1998a). Bridging the gap: the use of pathfinder networks in visual navigation. Journal of Visual Languages and Computing 9, 267- 286. 25. Chen, C. (1998b). Generalised Similarity Analysis and Pathfinder Network Scaling. Interacting with computers 10, 107-128. 26. Chen, C. (1999). Visualising semantic spaces and author co-citation networks in digital libraries. Information Processing & Management 35, 401-420. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 327 - 27. Chen, C. y Carr, L. (1999a). A semantic-centric approach to information visualization. En: Proceedings of the conference on Visualization '99: celebrating ten years, San Francisco, CA: IEEE Computer Society Press. 28. Chen, C. y Carr, L. (1999b). Trailblazing the literature of hypertext: an autohor cocitation analysis (1989-1998). Proceeding of the 10th ACM Conference on Hypertext (Hypertext '99). 29. Chen, C. y Carr, L. (1999c). Visualizing the evolution of a subject domain: a case study. En: Proceedings of the conference on Visualization '99: celebrating ten years, San Francisco, CA: IEEE Computer Society Press. 30. Chen, C., Cribbin, T., Macredie, R., y Morar, S. (2002). Visualizing and tracking the growth of competing paradigms: two case studies. Journal of the American Society for Information Science and Technology (JASIST) 53, 678-689. 31. Chen, C. y Hicks, D. (2004). Tracing knowledge diffusion. Scientometrics 59, 199-211. 32. Chen, C. y Kuljis, J. (2003). The rising landscape: a visual exploration of superstring revolutions in physics. Journal of the American Society for Information Science and Technology (JASIST) 54, 435-446. 33. Chen, C. y Paul, R. J. (2001). Visualizing a knowledge domain's intellectual structure. Computer 34, 65-71. 34. Chen, C., Paul, R. J., y O'keefe, B. (2001). Fitting the jigsaw of citation: information visualization in domain analysis. Journal of the American Society for Information Science and Technology (JASIST), 52, (4), 315-330. Bibliografía - 328 - 35. Chen, H., Houston, A. L., Sewell, R. R., y Schatz, B. R. (1998a). Internet browsing and searching: user evaluations of category map and concept space techniques. Journal of the American Society for Information Science (JASIS) 49, 582-603. 36. Chen, H., Martinez, J., Kirchhoff, A., Ng, T. D., y Schatz, B. R. (1998b). Alleviating search uncertainty through concept associations: automatic indexing, co-ocurrence analysis, and parallel computing. Journal of the American Society for Information Science (JASIS) 49, 206-216. 37. Chen, H., Ng, T. D., Martinez, J., y Schatz, B. R. (1997). A concept space approach to addressing the vocabulary problem in scientific information retrieval: an experiment on the worm community system. Journal of the American Society for Information Science (JASIS) 48, 17-31. 38. Chen, H., Schuffels, C., y Orwig, R. E. (1996). Internet categorization and search: a self-organizing approach. Journal of visual communication and image representation 7, 88-102. 39. Cohen, J. (1997). Drawing Graphs to Convey Proximity: An Incremental Arrangement Method. ACM Transactions on Computer- Human Interaction 4, 197-229. 40. Corman, S. R. (1990). Computerized Vs Pencil and Paper Collection of Network Data. Social Networks, 12, (4), 375-384. 41. Costa, J. (1998). La esquemática: visualizar la información. Barcelona: Paidós. 42. Crosby, A. W. The Measure of Reality: Quantification and Western Society 1250-1600. 97. London, Cambridge University Press. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 329 - 43. Di Battista, G. (1998). Graph Drawing: Algorithms for the Visualization of Graphs.: Prentice-Hall. 44. Ding, Y., Chowdhury, G. G., y Foo, S. (1999). Mapping the intellectual structure of information retrieval studies: an author co- citation analysis, 1987-1997. Journal of Information Science 25, 67- 78. 45. Ding, Y., Chowdhury, G. G., y Foo, S. (2000). Journals as markers of intellectual space: journal co-citation analysis of information retrieval area 1987-1997. Scientometrics 47, 55-73. 46. Ding, Y., Chowdhury, G. G., y Foo, S. (2001). Bibliometric cartography of information retrieval research by using co-word analysis. Information Processing & Management 37, 801-817. 47. Doreian, P. (1985). Structural equivalence in a psychology journal network. Journal of the American Society for Information Science (JASIS) 36, 411-417. 48. Doreian, P. (1988). Testing structural equivalence hipotheses in a network of geographic journals. Journal of the American Society for Information Science (JASIS) 39, 79-85. 49. Doyle, L. B. (1961). Semantic roadmaps for literature searchers. Journal of the Association for Computing Machinery, 8, (4), 553-578. 50. Eades, P. (1984). A Heuristic for Graph Drawing. Congressus Numerantium 42, 149-160. 51. Encyclopaedia Britannica, Inc. (2005). Encyclopaedia Britannica Online [Página Web]. Disponible en: http://www.britannica.com/ [Consultado en: 23/02/2005]. Bibliografía - 330 - 52. European Comission (2003). Third European Report on Science & Technology Indicators, 2003: towards a knowledge-based economy. Belgium: Directorate-General for Research. 53. Faba-Pérez, C., Guerrero Bote, V.P., y Moya Anegón, F.d. (2004). Fundamentos y técnicas cibermétricas: modelos cuantitativos de análisis. Badajoz: Junta de Extremadura, Consejería de Cultura. 54. Fowler, R. H. y Dearhold, D. W. (1990). Information retrieval using path finder networks. En: R. W. Ed. Schvaneveldt (Ed.), Pathfinder associative networks; studies in knowledge organization (pp. 165- 178). Ablex (NJ): Norwood. 55. Franklin, J. J. y Johnston, R. (1988). Co-citation bibliometric modeling as a tool for S&T policy and R&D management: issues aplication and developments. En: A. F. J. van Raan (Ed.), Handbook of quantitative studies of science and technology (pp. 325-389). Amsterdam: North Holland. 56. Freeman, L. C. (1979). Centrality in social networks: conceptional clarification. Social Networks 1, 215-239. 57. Freeman, L. C. (2000a). Social network analysis: definition and history. En: A. E. Kazdan (Ed.), Encyclopedia of Psychology (pp. 350- 351). New York: Oxford University Press. 58. Freeman, L. C. (2000b). Visualizing social networks. Journal of Social Structure 1. 59. Friedhoff, R.M. y Benzon, W. (1989). Visualization: the second computer revolution. New York: Harry N. Abrams. 60. Fruchterman, T. y Reingold, E. (1991). Graph Drawing by Force- Directed Placement. SoftwarePractice and Experience 21, 1129-1164. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 331 - 61. García-Guinea J. y Ruis J.D. (1998). The consequences of publishing in journals written in Spanish in Spain. Interciencia 23, 185-187. 62. Garfield, E. (1976). Social-sciences citation index clusters. Current contents 27, 5-11. 63. Garfield, E. (1986). Towards scientography. Essays of an Information Scientist 9, 324. 64. Garfield, E. (1992). Psychology research, 1986-1990: a citationist perspective on the highest impact papers, institutions, and authors. Current contents 41, 5-13. 65. Garfield, E. (1998). Mapping the world of science. 150 Anniversay Meeting of the AAAS, Philadelphia, PA. 66. Garfield, E. (1963). Citation indexes in sociological and historical research. American Documentation, 14, (4), 289-291. 67. Garfield, E. (1975). ISI's Atlas of Science may help students in choice of career in science. Current Contents 29, 5-8. 68. Garfield, E. (1981). Introducing the ISI Atlas of Science: Biochemistry and molecular biology, 1978-80. Current Contents, (42), 5-13. 69. Garfield, E. (1984). Introducing the ISI Atlas of Science: Biotechnology and molecular genetics, 1981/82 and bibliographic update for 1983/84. Current Contents, (41), 3-15. 70. Garfield, E. (1988). The encyclopedic ISI-Atlas of Science launches 3 new sections: bochemistry, inmunology, and animal and plant sicences. Current contents, (7), 3-8. Bibliografía - 332 - 71. Garfield, E. (1994). Scientography: mapping the tracks of science. Current contents: social & behavioral sciences 7, 5-10. 72. Garfield, E. (1998). Mapping the world of science (at the 150 Anniversary Meeting of the AAAS, Philadelphia, PA). (). [On-line]. http://www.garfield.library.upenn.edu/papers/mapsciworld.html [Consulted: 07/05/2003]. 73. Garfield, E., Sher, I.H., y Torpie, R.J. (1964). The use of citation data in writing the history of science. Philadelphia: Institute for Scientific Information. 74. Gosper, Jeffrey J. (1998). Floyd-Warshall all-pairs shortest pairs algorithm [Página Web]. Disponible en: http://www.brunel.ac.uk/~castjjg/java/shortest_path/shortest_path. html [Consultado en: 12/09/2003]. 75. Griffith, B. C., Small, H., Stonehill, J. A., y Dey, S. (1974). The structure of scientific literature, II: toward a macro and microstructure for science. Science Studies, 4, 339-365. 76. Grupo SCImago. (2002). Imago Scientae - Science Visualization [Página Web]. Disponible en: http://scimago.ugr.es/ [Consultado en: 31/03/2005]. 77. Grupo SCImago. (2005). Atlas of Science [Página Web]. Disponible en: www.atlasofscience.net [Consultado en: 31-03-2005]. 78. Guerrero Bote, V.P. (1997). Redes neuronales aplicadas a las técnicas de recuperación documental. Tesis Doctoral. Granada: Universidad, Departamento de Biblioteconomía. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 333 - 79. Guerrero Bote, V. P., Moya Anegón, F. d., y Herrero Solana, V. (2002a). Automatic extraction of relationships between terms by mean of kohonen's algoritm. Library & Information Sciences Research 24, 235-250. 80. Guerrero Bote, V. P., Moya Anegón, F. d., y Herrero Solana, V. (2002b). Document organization using Kohonen's algorithm. Information Processing & Management 38, 79-89. 81. Harel, D. y Koren, Y. (2002). Drawing graphs with non-uniform vertices. Proceedings of Working Conference on Advanced Visual Interfaces (AVI'02), (pp. 157-166),ACM Press. 82. Herrero, R. (1999). La terminología del análisis de redes: problemas de definición y traducción. Revista Política y Sociedad 33, 11 p. 83. Herrero Solana, V. (1999). Modelos de representación visual de la información bibliográfica: aproximaciones multivariante y conexionistas. Tesis Doctoral. Granada: Universidad, Departamento de Biblioteconomía y Documentación. 84. Herrero Solana, V. y Moya Anegón, F. d. (2001). Bibliographic displays of web-based OPACs: multivariate analysis applied to Latin- American catalogues. Libri 51, 75-85. 85. Hjørland, B. y Albrechtsen, H. (1995). Toward a new horizon in information science: domain analysis. Journal of the American Society for Information Science (JASIS) 46, 400-425. 86. Hjørland, B. (2002). Domain analysis in information science: eleven approaches -traditional as well as innovative. Journal of Documentation (JDOC) 58, 422-462. Bibliografía - 334 - 87. Ingwersen, P. (2001). Cognitive perspective of representation. En: V Congreso Isko-Espa a. La representación y organización del conocimiento: metodologías, modelos y aplicaciones, (32-41), Madrid: Ana Extreme o Placer. 88. Ingwersen, P. y Larsen, B. (2001). Mapping national research profiles in social science disciplines. Journal of Documentation 57, 715-740. 89. Jackson, D. (2002). SVG on the rise. [On-line]. http://www.oreillynet.com/pub/a/javascript/2002/06/06/svg_future. html [Consultado: 11/09/2003]. 90. Jarneving, B. (2001). The cognitive structure of current cardiovascular research . Scientometrics 50, 365-389. 91. Jiménez Contreras, E., Moya Anegón, F. d., y Delgado López-Cózar, E. (2003). The evolution of research activity in Spain. The impact of the National Commission for the Evaluation of Research Activity (CNEAI). Research Policy 32, 123-142. 92. Kamada, T. y Kawai, S. (1989). An algorithm for drawing general undirected graphs. Information Processing Letters 31, 7-15. 93. Kaski, S., Honkela, T., Lagus, K., y Kohonen , T. (1998). Websom: self -organizing maps of document collection. Neurocomputing 21, 101-117. 94. Klovdhal, A. S. (1981). A note of images of social networks. Social Networks 3, 197-214. 95. Kohonen , T. (1985). The self-organizing map. Proceedings of the IEEE 73, 1551-1558. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 335 - 96. Kohonen , T. (1997). Self-organizing maps. Berlin [etc.]: Springer- Verlag. 97. Krempel, L. (1999). Visualizing Networks with Spring Embedders: Two-mode and Valued Graphs. International Sunbelt Social Network Conference. 98. Kruskal, J.B. y Wish, M. (1978). Multidimensional Scaling.: Sage. 99. Kyvik, S. Changing Trends in Publishing Behaviour among University Faculty, 1980-2000. Scientometrics 58(1), 35-48. 2003. 100. Lewis-Beck, M.S. (1994). Factor analysis and related techniques. London: Sage. 101. Liberman, S. y Wolf, K. B. (1997). The Flow of Knowledge: Scientific Contacts in Formal Meetings. Social Networks, 19, (3), 271-283. 102. Lin, X. (1997). Map displays for information retrieval. Journal of the American Society for Information Science (JASIS) 48, 40-54. 103. Lin, X.; Soergel, D.; y Marchionini, G. (1991). A self-organizing semantic map for information retrieval. In: Proceedings of the Fourteenth Annual International ACM/SIGIR Conference on Research and Development in Information Retrieval, (262-269), Chicago. 104. Lin, X., White, H. D., y Buzydlowski, J. (2003). Real-time author co- citation mapping for online searching. Information Processing & Management, 689-706. 105. Macromedia. (2004). Flash MX 2004. Bibliografía - 336 - 106. Marion, L. S. y McCain, K. W. (2001). Contrasting views of software engineering journals: Author cocitation choices and indexer vocabulary assignments. Journal of the American Society for Information Science and Technology (JASIST) 52, 297-308. 107. Marshakova, I. V. (1973). System of document connection based on references. Nauchno-Teknichescaya Informatisya Series II, 3-8. 108. Martínez Arias, R. (1999). El análisis multivariante en la investigación científica. Madrid: La Muralla. 109. McCain, K. W. (1990). Mapping authors in intellectual space: a technical overview. Journal of the American Society for Information Science (JASIS) 41, 433-443. 110. McCain, K. W. (1991a). Core journal networks and cocitation maps: new bibliometrics tools for serial research and management. Library Quarterly 61, 311-336. 111. McCain, K. W. (1991b). Mapping economics throgh the journal literature: an experiment in journal cocitationanalysis. Journal of the American Society for Information Science (JASIS) 42, 291-296. 112. McCormick, B. H., DeFanti, T. A., y Brown, M. D. (1987). Visualization in Scientific Computing. Computers Graphic 21, 17-32. 113. Merton, R. K. (2000). On the Garfield input to the sociology of science: a retrospective collage. En: B. Cronin y H. B. Atkins (Eds.), The web of knowledge: a festschrift in honor of Eugene Garfield (pp. 435-448). Medford, N. J. Information Today. 114. Molina, J. L. (2001). El análisis de redes sociales: una introducción. Barcelona: Bellaterra. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 337 - 115. Molina, J. L.; Muñoz, J.; y Losego, P. (2000). Red y realidad: aproximación al análisis de redes científicas. En: VI Congreso Nacional de Psicología Social, (21 p.). 116. Moreno, J. L. (1934). Who shall survive? Washington, DC: Nervous and Mental Disease Publishing Company. 117. Moreno, J. L. (1953). Who shall survive? Ney York: Beacon House Inc. 118. Morris, S. A., Yen, G., Wu, Z., y Asnake, B. (2003). Time line visualization of research fronts. Journal of the American Society for Information Science and Technology (JASIST) 54, 413-422. 119. Morris, T. A. (1998). The structure of medical informatics journal literature . Journal of the American Society for Information Science and Technology (JASIST) 5, 448-466. 120. Moya Anegón, F. d., Vargas-Quesada, B., Chinchilla-Rodríguez, Z., Herrero-Solana, V., Corera-Álvarez, E., y Munoz-Fernández, F. J. (En prensa). Domain analysis and information retrieval through the construction of heliocentric maps based on ISI-JCR category cocitation. Information Processing & Management. 121. Moya Anegón, F. d. y Herrero Solana, V. (1999). Investigaciones en curso sobre interfaces gráficos en dos y tres dimensiones para el acceso a la información electrónica. Cuadernos de Documentación Multimedia 8. 122. Moya Anegón, F. d., Herrero Solana, V., y Guerrero Bote, V. P. (1998). Virtual reality interface for accessing electronic information. Library and information research news 22, 34-39. Bibliografía - 338 - 123. Moya Anegón, F. d., Herrero Solana, V., Vargas-Quesada, B., Chinchilla-Rodriguez, Z., Corera-Alvarez, E., Mu oz Francisco, Olvera-Lobo, D., Fernández-Molina, J. C., García-Santiago, D., Guerrero Bote, V. P., Faba-Pérez, C., López-Pujalte, C., Reyes- Barragán, M., y Zapico-Alonso, F. (2004). Atlas de la Ciencia Espa ola: propuesta de un sistema de información científica. Revista Española de Documentación Científica 27, 11-29. 124. Moya Anegón, F. d. y Herrero-Solana, V. (2001). Análisis de dominio de la investigación bibliotecológica mexicana. Información, cultura y sociedad 5. 125. Moya Anegón, F. d.; Herrero-Solana, V.; y Guerrero Bote, V. P. (1998). La aplicación de redes neuronales artificiales (RNA) a la recuperación de la información. En Baró i Queralt, J. and Cid Leal, P. Eds. Anuari SOCADI de Documentació i informació, (147-164), Barcelona: Societat Catalana de Documentació i Informació. 126. Moya Anegón, F. d., Jiménez Contreras, E., y Moneda Carrochano, M. d. l. (1998). Research fronts in library and information science in Spain (1985-1994). Scientometrics 42, 229-246. 127. Moya Anegón, F. d.; Moscoso, P.; Olmeda, C. O.-R. V.; Herrero, V.; y Guerrero, V. (1999). Neurolsoc: un modelo de red neuronal para la representación del conocimiento. En: IV Congreso Isko-Espa a EOCONSID'99, (151-156), Granada: Mù José López-Huertas, Juan Carlos Fernández-Molina. 128. Moya Anegón, F. d., Vargas-Quesada, B., Herrero-Solana, V., Chinchilla-Rodríguez, Z., Corera-Álvarez, E., y Munoz-Fernández, F. J. A new technique for building maps of large scientific domains based on the cocitation of classes and categories. Scientometrics 61(1), 129-145. 2004. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 339 - 129. Noyons, E. C. M. (2001). Bibliometric mapping of science in a science policy context. Scientometrics, 50, (1), 83-98. 130. Noyons, E. C. M. , Moed, H. F., y Luwel, M. (1999). Combining mapping and citation analysis for evaluative bibliometric purposes: a bibliometric study. Journal of the American Society for Information Science (JASIS), 50, (2), 115-131. 131. Orwig, R. E., Chen, H., y Nunamaker, J. F. Jr. (1997). A graphical, self-organizing approach to classifying electroninc meeting output. Journal of the American Society for Information Science (JASIS) 48, 157-170. 132. Owen, G. S. (1999). Framework of a visualization system [Página Web]. Disponible en: http://www.siggraph.org/education/materials/HyperVis/abs_con1/ma in.htm [Consultado en: 08/02/2005]. 133. Persson, O. (1994). The intellectual base and research fronts of JASIS: 1986-1990. Journal of the American Society for Information Science (JASIS) 45, 31-38. 134. Polanco, X., Francois, C., y Keim J. P. (1998). Artificial neural network technology for the classification and cartography of scientific and technical information. Scientometrics 41, 69-82. 135. Price, D. d. S. (1965). Networks of scientific papers. Science 149, 510-515. 136. Raya Vergara, R. y Hidalgo Ruiz, E.M. (2004). Representación visual de la información científica mediante redes pathfinder. Granada: Proyecto fin de carrerra para la obtención del título en ingeniería informática. Bibliografía - 340 - 137. Regueiro, C.; Barro, S.; Sánchez, E.; y Fernández-Delgado, M. (1995). Modelos básicos de redes neuronales artificiales. En: S. Barro y J. E. Mira (Eds.), Computación neuronal Santiago de Compostela: Universidad, Servicio de Publicaciones e Intercambio Científico. 138. Rice, R. E., Borgman, C. L., y Reeves, B. (1988). Citation networks of communication journals, 1977-1985. Human communication research 15, 256-283. 139. Rodriguez, J.A. (1995). Análisis estructural y de redes. Madrid: CIS. 140. Salton, G., Allan, J., y Buckley, C. (1994). Automatic structuring and retrieval of large text file. Communications of the ACM 37, 97-108. 141. Salton, G. y Bergmark, D. (1979). A citation study of computer science literature. Professional Communication, IEEE Transaction PC- 22, 146-158. 142. Salton, G. y McGill, M.J. (1983). Introduction to modern information retrieval. New York: McGraw-Hill. 143. Sanz E., Aragón I., y Méndez, A. (1995). The function of journals in disseminating applied science . Journal of Information Science 21, 319-323. 144. Schvaneveldt, R.W. (1990). Pathfinder Associative Networks. Norwood, NJ: Ablex. 145. Scott, J. (1992). Social network analysis: a handbook. London: Sage. 146. Seiden, L. S. y Swanson, D. R. (1989). ISI Atlas of Science: Pharmacology 1987, Vol 1 - Inst-SCI- Informat. Library Quarterly, 59, (1), 72-73. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 341 - 147. Shneiderman, B. (1983). Direct manipulation: a step beyond programming languages. IEEE Computer 16, 57-69. 148. Shneiderman, B. (1996). The eyes have it: a task by data type taxonomy for information visualization. En Proceedings of the IEEE Symposium on Visual Languages, (336-343), Boulder, Col.: IEEE Computer Society. 149. Shneiderman, B. (1998). Designing the user interface: strategies for effective human computer interaction. Reading, Mass.: Addison- Wesley. 150. Small, H. (1973). Co-citation in the scientific literature: a new measure of the relationship between two documents. Journal of the American Society for Information Science (JASIS) 24, 265-269. 151. Small, H. (1981). The relationship of information science to the social sciences: a co-citation analysis. Information Processing & Management, 17, (1), 39-50. 152. Small, H. (1993). Macrolevel changes in the structure of cocitation clusters: 1983-1989. Scientometrics, 26, (1), 5. 153. Small, H. (1994). A SCI-MAP case-study: building a map of aids research. Scientometrics, 30, (1), 229. 154. Small, H. (1997). Update on science mapping: creating large document spaces. Scientometrics 38, 275-293. 155. Small, H. (1999). Visualizing science by citation mapping. Journal of the American Society for Information Science (JASIS), 50, (9), 799- 813. Bibliografía - 342 - 156. Small, H. (2000). Charting pathways through science: exploring Garfield's vision of a unified index to science. En: B. Cronin y H. B. Atkins (Eds.), The web of knowledge: a festschrift in honor of Eugene Garfield (pp. 449-473). Medford, N. J. Information Today. 157. Small, H. (2003). Paradigms, citations and maps of science: a personal history. Journal of the American Society for Information Science and Technology (JASIST) 54, 394-399. 158. Small, H. y Garfield, E. (1985). The geography of science: disciplinary and national mappings. Journal of Information Science 11, 147-159. 159. Small, H. y Griffith, B. C. (1974). The structure of scientific literature, I: identifying and graphing specialyties. Science Studies, 4, 17-40. 160. Small, H. y Sweeney, E. (1985). Clustering the science citation index using co-citations. 1. A comparison of methods. Scientometrics,7, (3-6), 391-409. 161. Small, H., Sweeney, E., y Greenlee, E. (1985). Clustering the science citation index using co.citations. 2. Mapping science. Scientometrics 8, 321-340. 162. Sugiyama, K., Tagawa, S., y Toda, M. (1981). Methods for visual understanding of hierachical system structures. IEEE Transaction on Systems Man and Cibernetics SMC-11, 109-125. 163. Tamassia, R., Batista, G., y Batini, C. (1988). Automatic graph drawing and readability of diagrams. IEEE Transaction on Systems Man and Cibernetics SMC-18 , 61-79. 164. The Thomson Corporation. (2005a). ISI Journal Citation Reports [Página Web]. Disponible en: http://go5.isiknowledge.com/portal.cgi [Consultado en: 09/03/2005]. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 343 - 165. The Thomson Corporation. (2005b). ISI Web of Knowledge [Página Web]. Disponible en: http://go5.isiknowledge.com/portal.cgi [Consultado en: 09/03/2005]. 166. The Thomson Corporation. (2005c). ISI Web of Science [Página Web]. Disponible en: http://go5.isiknowledge.com/portal.cgi [Consultado en: 09/03/2005]. 167. Thurstone, L. L. (1931). Multiple factor analysis. Psycological review 38, 406-427. 168. Tsay, M. Y., Xu, H., y Wu, C. W. (2003). Journal co-citation analysis of semiconductor literature. Scientometrics 57, 7-25. 169. Tufte, E.R. (1994). Envisioning information . Cheshire: Graphics Press. 170. Tufte, E.R. (2001). The visual display of quantitative information. Cheshire: Graphics Press. 171. Tyron, R.C. (1939). Cluster analysis. New York: Mc-Graw-Hill. 172. W3C. (2001). Scalable Vector Graphics (SVG) 1.0 Especification [Página Web]. Disponible en: http://www.w3.org/TR/SVG/ [Consultado en: 15/09/2003]. 173. W3C. (2003a). Extensible Markup Language (XML) [Página Web]. Disponible en: http://www.w3.org/XML/ [Consultado en: 10/09/2003]. 174. W3C. (2003b). HiperText Markp Language (HTML) [Página Web]. Disponible en: http://www.w3.org/MarkUp/ [Consultado en: 12/09/2003]. Bibliografía - 344 - 175. W3C. (2003c). Scalable Vector Graphics (SVG) [Página Web]. Disponible en: http://www.w3.org/Graphics/SVG/ [Consultado en: 10/09/2003]. 176. W3C. (2003d). World Wide Web Consortium [Página Web]. Disponible en: http://www.w3.org [Consultado en: 10/09/2003]. 177. W3C. (2004). Scalable Vector Graphics (SVG) 1.1 Specification [Página Web]. Disponible en: http://www.w3.org/TR/SVG11/ [Consultado en: 10/09/2004]. 178. Wasserman, S. y Faust, K. (1998). Social network analysis: methods and applications. Cambridge: Cambridge University Press. 179. Watts, D. J. y Strogatz, S. J. (1998). Collective dynamics of .small- world. networks. Nature 393, 440-442. 180. Welman, B. (1988). Structural analysis: from method and metaphor to theory and substance. En: B. Welman y S. D. Berkowitz (Eds.), Social Structures a Network Approach (pp. 19-61). Cambridge: University Press. 181. White, H. D. (2000). Toward ego-centered citation analysis. En: B. Cronin y H. B. Atkins (Eds.), The web of knowledge: a festschrift in honor of Eugene Garfield New Jersey: Information Today. 182. White, H. D. (2001). Author-centered bibliometrics through CAMEOs: characterizations automatically made and edited online. Scientometrics 51, 607-637. 183. White, H. D. (2003). Pathfinder networks and author cocitation analysis: a remapping of paradigmatic information scientist. Journal of the American Society for Information Science and Technology (JASIST), 54, (5), 423-434. Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 345 - 184. White, H. D.; Buzydlowski, J.; y Lin, X. (2000). Co-cited author maps as interfaces to digital libraries: designing Pathfinder Networks in the humanities. In: IEEE International Conference on information visualization, (25-30), London. 185. White, H. D. y Griffith, B. C. (1981a). Author cocitation: a literature measure of intellectual structure. Journal of the American Society for Information Science (JASIS) 32, 163-172. 186. White, H. D. y Griffith, B. C. (1981b). A cocitation map of authors in judgment and decision research. En: B.F. Anderson [et al.] (Ed.), Concepts in judgments and decision research: definition sources interrelationships, and comments (pp. 261-271). New York: Praeger. 187. White, H. D. y Griffith, B. C. (1982). Authors as markers of intellectual space: cocitation in studies of science, technology and society. Journal of Documentation 38, 255-272. 188. White, H. D.; Lin, X.; y McCain, K. W. (1998). Two modes of automated domain analysis: multidimensional scaling vs. Kohonen feature mapping of information science authors. In: Proceedings of the Fifth International ISKO Conference , (57-61), Würzberg: Ergon Verlag. 189. White, H. D. y McCain, K. W. (1997). Visualization of literatures. Annual Review of Information Systems and Technology (ARIST) 32, 99-168. 190. White, H. D. y McCain, K. W. (1998). Visualizing a discipline: an author co-citation analysis of information science, 1972-1995. Journal of the American Society for Information Science (JASIS) 49, 327-355. Bibliografía - 346 - 191. White, H. D. y McCain, K. W. (1999). In memory of Belver C. Griffith. Journal of the American Society for Information Science (JASIS) 51, 959-962. ANEXOS Anexo I - 348 - ANEXO I Países productores de información científica, según el IS 1 Afghanistan 53 England 105 Madagascar 157 Seychelles 2 Albania 54 Equat Guinea 106 Malagasy Republ 158 Sierra Leone 3 Algeria 55 Eritrea 107 Malawi 159 Singapore 4 Andorra 56 Estonia 108 Malaysia 160 Slovakia 5 Angola 57 Ethiopia 109 Maldives 161 Slovenia 6 Antigua & Barbu 58 Fiji 110 Mali 162 Solomon Islands 7 Argentina 59 Finland 111 Malta 163 Somalia 8 Armenia 60 Fr Polynesia 112 Marshall Island 164 South Africa 9 Australia 61 France 113 Martinique 165 South Korea 10 Austria 62 French Guiana 114 Mauritania 166 Spain 11 Azerbaijan 63 Gabon 115 Mauritius 167 Sri Lanka 12 Bahamas 64 Gambia 116 Mexico 168 St Kitts & Nevi 13 Bahrain 65 Germany 117 Micronesia 169 St Lucia 14 Bangladesh 66 Ghana 118 Moldova 170 St Vincent 15 Barbados 67 Gilbraltar 119 Monaco 171 Sudan 16 Belgium 68 Greece 120 Mongol Peo Rep 172 Surinam 17 Belize 69 Greenland 121 Morocco 173 Swaziland 18 Benin 70 Grenada 122 Mozambique 174 Sweden 19 Bermuda 71 Guadeloupe 123 Myanmar 175 Switzerland 20 Bhutan 72 Guatemala 124 Namibia 176 Syria 21 Bolivia 73 Guinea 125 Nepal 177 Taiwan 22 Bosnia & Herceg 74 Guinea Bissau 126 Neth Antilles 178 Tajikistan 23 Botswana 75 Guyana 127 Netherlands 179 Tajikstan 24 Brazil 76 Haiti 128 New Caledonia 180 Tanzania 25 Brunei 77 Honduras 129 New Zealand 181 Thailand 26 Bulgaria 78 Hungary 130 Nicaragua 182 Togo 27 Burkina Faso 79 Iceland 131 Niger 183 Tonga 28 Burundi 80 India 132 Nigeria 184 Trinid & Tobago 29 Byelarus 81 Indonesia 133 North Ireland 185 Tunisia 30 Cambodia 82 Iran 134 North Korea 186 Turkey 31 Cameroon 83 Iraq 135 Norway 187 Turkmenistan 32 Canada 84 Ireland 136 Oman 188 U Arab Emirates 33 Cent Afr Republ 85 Israel 137 Pakistan 189 Uganda 34 Chad 86 Italy 138 Palau 190 Ukraine 35 Chile 87 Jamaica 139 Panama 191 Uruguay 36 Colombia 88 Japan 140 Papua N Guinea 192 USA 37 Comoros 89 Jordan 141 Paraguay 193 Uzbekistan 38 Congo 90 Kazakhstan 142 Peoples R China 194 Vanuatu 39 Cook Islands 91 Kenya 143 Peru 195 Vatican 40 Costa Rica 92 Kuwait 144 Philippines 196 Venda 41 Cote Ivoire 93 Kyrgyzstan 145 Poland 197 Venezuela 42 Croatia 94 Laos 146 Portugal 198 Vietnam 43 Cuba 95 Latvia 147 Qatar 199 W Ind Assoc St 44 Cyprus 96 Lebanon 148 Rep of Georgia 200 Wales 45 Czech Republic 97 Lesotho 149 Reunion 201 Western Samoa 46 Denmark 98 Liberia 150 Romania 202 Yemen 47 Djibouti 99 Libya 151 Russia 203 Yugoslavia 48 Dominica 100 Liechtenstein 152 Rwanda 204 Zaire 49 Dominican Rep 101 Lithuania 153 Sao Tome & Prin 205 Zambia 50 Ecuador 102 Luxembourg 154 Saudi Arabia 206 Zimbabwe 51 Egypt 103 Macao 155 Scotland 52 El Salvador 104 Macedonia 156 Senegal Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 349 - Categorías JCR 2002 1 ACOUSTICS 62 ENGINEERING, AEROSPACE 2 AGRICULTURAL ECONOMICS & POLICY 63 ENGINEERING, BIOMEDICAL 3 AGRICULTURE 64 ENGINEERING, CHEMICAL 4 AGRICULTURE, DAIRY & ANIMAL SCIENCE 65 ENGINEERING, CIVIL 5 AGRICULTURE, SOIL SCIENCE 66 ENGINEERING, ELECTRICAL & ELECTRONIC 6 ALLERGY 67 ENGINEERING, ENVIRONMENTAL 7 ANATOMY & MORPHOLOGY 68 ENGINEERING, GEOLOGICAL 8 ANDROLOGY 69 ENGINEERING, INDUSTRIAL 9 ANESTHESIOLOGY 70 ENGINEERING, MANUFACTURING 10 ANTHROPOLOGY 71 ENGINEERING, MARINE 11 ARCHAEOLOGY 72 ENGINEERING, MECHANICAL 12 ARCHITECTURE 73 ENGINEERING, OCEAN 13 AREA STUDIES 74 ENGINEERING, PETROLEUM 14 ART 75 ENTOMOLOGY 15 ARTS & HUMANITIES, GENERAL 76 ENVIRONMENTAL SCIENCES 16 ASTRONOMY & ASTROPHYSICS 77 ENVIRONMENTAL STUDIES 17 AUTOMATION & CONTROL SYSTEMS 78 ERGONOMICS 18 BEHAVIORAL SCIENCES 79 ETHNIC STUDIES 19 BIOCHEMICAL RESEARCH METHODS 80 FAMILY STUDIES 20 BIOCHEMISTRY & MOLECULAR BIOLOGY 81 FISHERIES 21 BIOLOGY 82 FOOD SCIENCE & TECHNOLOGY 22 BIOLOGY, MISCELLANEOUS 83 FORESTRY 23 BIOPHYSICS 84 GASTROENTEROLOGY & HEPATOLOGY 24 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 85 GENETICS & HEREDITY 25 BUSINESS 86 GEOCHEMISTRY & GEOPHYSICS 26 BUSINESS, FINANCE 87 GEOGRAPHY 27 CARDIAC & CARDIOVASCULAR SYSTEMS 88 GEOLOGY 28 CELL BIOLOGY 89 GEOSCIENCES, INTERDISCIPLINARY 29 CHEMISTRY, ANALYTICAL 90 GERIATRICS & GERONTOLOGY 30 CHEMISTRY, APPLIED 91 HEALTH CARE SCIENCES & SERVICES 31 CHEMISTRY, INORGANIC & NUCLEAR 92 HEALTH POLICY & SERVICES 32 CHEMISTRY, MEDICINAL 93 HEMATOLOGY 33 CHEMISTRY, MULTIDISCIPLINARY 94 HISTORY 34 CHEMISTRY, ORGANIC 95 HISTORY & PHILOSOPHY OF SCIENCE 35 CHEMISTRY, PHYSICAL 96 HISTORY OF SOCIAL SCIENCES 36 CLINICAL NEUROLOGY 97 HORTICULTURE 37 COMMUNICATION 98 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 38 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 99 IMMUNOLOGY 39 COMPUTER SCIENCE, CYBERNETICS 100 INDUSTRIAL RELATIONS & LABOR 40 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 101 INFECTIOUS DISEASES 41 COMPUTER SCIENCE, INFORMATION SYSTEMS 102 INFORMATION SCIENCE & LIBRARY SCIENCE 42 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 103 INSTRUMENTS & INSTRUMENTATION 43 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 104 INTERNATIONAL RELATIONS 44 COMPUTER SCIENCE, THEORY & METHODS 105 LANGUAGE & LINGUISTICS 45 CONSTRUCTION & BUILDING TECHNOLOGY 106 LAW 46 CRIMINOLOGY & PENOLOGY 107 LIMNOLOGY 47 CRYSTALLOGRAPHY 108 LITERARY REVIEWS 48 DEMOGRAPHY 109 LITERATURE 49 DENTISTRY, ORAL SURGERY & MEDICINE 110 LITERATURE, AMERICAN 50 DERMATOLOGY & VENEREAL DISEASES 111 LITERATURE, ROMANCE 51 DEVELOPMENTAL BIOLOGY 112 LITERATURE, SLAVIC 52 ECOLOGY 113 MANAGEMENT 53 ECONOMICS 114 MARINE & FRESHWATER BIOLOGY 54 EDUCATION & EDUCATIONAL RESEARCH 115 MATERIALS SCIENCE, BIOMATERIALS 55 EDUCATION, SCIENTIFIC DISCIPLINES 116 MATERIALS SCIENCE, CERAMICS 56 EDUCATION, SPECIAL 117 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 57 ELECTROCHEMISTRY 118 MATERIALS SCIENCE, COATINGS & FILMS 58 EMERGENCY MEDICINE & CRITICAL CARE 119 MATERIALS SCIENCE, COMPOSITES 59 ENDOCRINOLOGY & METABOLISM 120 MATERIALS SCIENCE, MULTIDISCIPLINARY 60 ENERGY & FUELS 121 MATERIALS SCIENCE, PAPER & WOOD 61 ENGINEERING 122 MATERIALS SCIENCE, TEXTILES 123 MATHEMATICS 172 POETRY 124 MATHEMATICS, APPLIED 173 POLITICAL SCIENCE 125 MATHEMATICS, MISCELLANEOUS 174 POLYMER SCIENCE 126 MECHANICS 175 PSYCHIATRY 127 MEDICAL INFORMATICS 176 PSYCHOLOGY 128 MEDICAL LABORATORY TECHNOLOGY 177 PSYCHOLOGY, APPLIED Anexo I - 350 - 129 MEDICINE, GENERAL & INTERNAL 178 PSYCHOLOGY, BIOLOGICAL 130 MEDICINE, LEGAL 179 PSYCHOLOGY, CLINICAL 131 MEDICINE, RESEARCH & EXPERIMENTAL 180 PSYCHOLOGY, DEVELOPMENTAL 132 METALLURGY & METALLURGICAL ENGINEERING 181 PSYCHOLOGY, EDUCATIONAL 133 METEOROLOGY & ATMOSPHERIC SCIENCES 182 PSYCHOLOGY, EXPERIMENTAL 134 MICROBIOLOGY 183 PSYCHOLOGY, MATHEMATICAL 135 MICROSCOPY 184 PSYCHOLOGY, PSYCHOANALYSIS 136 MINERALOGY 185 PSYCHOLOGY, SOCIAL 137 MINING & MINERAL PROCESSING 186 PUBLIC ADMINISTRATION 138 MULTIDISCIPLINARY SCIENCES 187 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 139 MUSIC 188 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 140 MYCOLOGY 189 REHABILITATION 141 NEUROSCIENCES 190 RELIGION 142 NUCLEAR SCIENCE & TECHNOLOGY 191 REMOTE SENSING 143 NURSING 192 REPRODUCTIVE BIOLOGY 144 NUTRITION & DIETETICS 193 RESPIRATORY SYSTEM 145 OBSTETRICS & GYNECOLOGY 194 RHEUMATOLOGY 146 OCEANOGRAPHY 195 SOCIAL ISSUES 147 ONCOLOGY 196 SOCIAL SCIENCES, BIOMEDICAL 148 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 197 SOCIAL SCIENCES, INTERDISCIPLINARY 149 OPHTHALMOLOGY 198 SOCIAL SCIENCES, MATHEMATICAL METHODS 150 OPTICS 199 SOCIAL WORK 151 ORNITHOLOGY 200 SOCIOLOGY 152 ORTHOPEDICS 201 SPECTROSCOPY 153 OTORHINOLARYNGOLOGY 202 SPORT SCIENCES 154 PALEONTOLOGY 203 STATISTICS & PROBABILITY 155 PARASITOLOGY 204 SUBSTANCE ABUSE 156 PATHOLOGY 205 SURGERY 157 PEDIATRICS 206 TELECOMMUNICATIONS 158 PERIPHERAL VASCULAR DISEASE 207 THEATER 159 PHARMACOLOGY & PHARMACY 208 THERMODYNAMICS 160 PHILOSOPHY 209 TOXICOLOGY 161 PHYSICS, APPLIED 210 TRANSPLANTATION 162 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 211 TRANSPORTATION 163 PHYSICS, CONDENSED MATTER 212 TROPICAL MEDICINE 164 PHYSICS, FLUIDS & PLASMAS 213 URBAN STUDIES 165 PHYSICS, MATHEMATICAL 214 UROLOGY & NEPHROLOGY 166 PHYSICS, MULTIDISCIPLINARY 215 VETERINARY SCIENCES 167 PHYSICS, NUCLEAR 216 VIROLOGY 168 PHYSICS, PARTICLES & FIELDS 217 WATER RESOURCES 169 PHYSIOLOGY 218 WOMEN'S STUDIES 170 PLANNING & DEVELOPMENT 219 ZOOLOGY 171 PLANT SCIENCES Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 351 - Categorías JCR 1990-2002 1 ACOUSTICS 122 LIMNOLOGY 2 AGRICULTURAL ECONOMICS & POLICY 123 LITERARY REVIEWS 3 AGRICULTURAL ENGINEERING 124 LITERARY THEORY & CRITICISM 4 AGRICULTURE 125 LITERATURE 5 AGRICULTURE, DAIRY & ANIMAL SCIENCE 126 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 6 AGRICULTURE, MULTIDISCIPLINARY 127 LITERATURE, AMERICAN 7 AGRICULTURE, SOIL SCIENCE 128 LITERATURE, BRITISH ISLES 8 ALLERGY 129 LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN 9 ANATOMY & MORPHOLOGY 130 LITERATURE, ROMANCE 10 ANDROLOGY 131 LITERATURE, SLAVIC 11 ANESTHESIOLOGY 132 MANAGEMENT 12 ANTHROPOLOGY 133 MARINE & FRESHWATER BIOLOGY 13 APPLIED LINGUISTICS 134 MATERIALS SCIENCE, BIOMATERIALS 14 ARCHAEOLOGY 135 MATERIALS SCIENCE, CERAMICS 15 ARCHITECTURE 136 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 16 AREA STUDIES 137 MATERIALS SCIENCE, COATINGS & FILMS 17 ART 138 MATERIALS SCIENCE, COMPOSITES 18 ARTS & HUMANITIES, GENERAL 139 MATERIALS SCIENCE, MULTIDISCIPLINARY 19 ASIAN STUDIES 140 MATERIALS SCIENCE, PAPER & WOOD 20 ASTRONOMY & ASTROPHYSICS 141 MATERIALS SCIENCE, TEXTILES 21 AUTOMATION & CONTROL SYSTEMS 142 MATHEMATICS 22 BEHAVIORAL SCIENCES 143 MATHEMATICS, APPLIED 23 BIOCHEMICAL RESEARCH METHODS 144 MATHEMATICS, MISCELLANEOUS 24 BIOCHEMISTRY & MOLECULAR BIOLOGY 145 MECHANICS 25 BIODIVERSITY CONSERVATION 146 MEDICAL ETHICS 26 BIOLOGY 147 MEDICAL INFORMATICS 27 BIOLOGY, MISCELLANEOUS 148 MEDICAL LABORATORY TECHNOLOGY 28 BIOPHYSICS 149 MEDICINE, GENERAL & INTERNAL 29 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 150 MEDICINE, LEGAL 30 BUSINESS 151 MEDICINE, RESEARCH & EXPERIMENTAL 31 BUSINESS, FINANCE 152 METALLURGY & METALLURGICAL ENGINEERING 32 CARDIAC & CARDIOVASCULAR SYSTEMS 153 METEOROLOGY & ATMOSPHERIC SCIENCES 33 CELL BIOLOGY 154 MICROBIOLOGY 34 CHEMISTRY, ANALYTICAL 155 MICROSCOPY 35 CHEMISTRY, APPLIED 156 MINERALOGY 36 CHEMISTRY, INORGANIC & NUCLEAR 157 MINING & MINERAL PROCESSING 37 CHEMISTRY, MEDICINAL 158 MUSIC 38 CHEMISTRY, MULTIDISCIPLINARY 159 MYCOLOGY 39 CHEMISTRY, ORGANIC 160 NEUROIMAGING 40 CHEMISTRY, PHYSICAL 161 NEUROSCIENCES 41 CLASSICS 162 NUCLEAR SCIENCE & TECHNOLOGY 42 CLINICAL NEUROLOGY 163 NURSING 43 COMMUNICATION 164 NUTRITION & DIETETICS 44 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 165 OBSTETRICS & GYNECOLOGY 45 COMPUTER SCIENCE, CYBERNETICS 166 OCEANOGRAPHY 46 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 167 ONCOLOGY 47 COMPUTER SCIENCE, INFORMATION SYSTEMS 168 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 48 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 169 OPHTHALMOLOGY 49 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 170 OPTICS 50 COMPUTER SCIENCE, THEORY & METHODS 171 ORNITHOLOGY 51 CONSTRUCTION & BUILDING TECHNOLOGY 172 ORTHOPEDICS 52 CRIMINOLOGY & PENOLOGY 173 OTORHINOLARYNGOLOGY 53 CRITICAL CARE MEDICINE 174 PALEONTOLOGY 54 CRYSTALLOGRAPHY 175 PARASITOLOGY 55 DANCE 176 PATHOLOGY 56 DEMOGRAPHY 177 PEDIATRICS 57 DENTISTRY, ORAL SURGERY & MEDICINE 178 PERIPHERAL VASCULAR DISEASE 58 DERMATOLOGY & VENEREAL DISEASES 179 PHARMACOLOGY & PHARMACY 59 DEVELOPMENTAL BIOLOGY 180 PHILOSOPHY 60 ECOLOGY 181 PHYSICS, APPLIED 61 ECONOMICS 182 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 62 EDUCATION & EDUCATIONAL RESEARCH 183 PHYSICS, CONDENSED MATTER 63 EDUCATION, SCIENTIFIC DISCIPLINES 184 PHYSICS, FLUIDS & PLASMAS 64 EDUCATION, SPECIAL 185 PHYSICS, MATHEMATICAL 65 ELECTROCHEMISTRY 186 PHYSICS, MULTIDISCIPLINARY 66 EMERGENCY MEDICINE & CRITICAL CARE 187 PHYSICS, NUCLEAR 67 ENDOCRINOLOGY & METABOLISM 188 PHYSICS, PARTICLES & FIELDS 68 ENERGY & FUELS 189 PHYSIOLOGY 69 ENGINEERING 190 PLANNING & DEVELOPMENT 70 ENGINEERING, AEROSPACE 191 PLANT SCIENCES 71 ENGINEERING, BIOMEDICAL 192 POETRY 72 ENGINEERING, CHEMICAL 193 POLITICAL SCIENCE Anexo I - 352 - 73 ENGINEERING, CIVIL 194 POLYMER SCIENCE 74 ENGINEERING, ELECTRICAL & ELECTRONIC 195 PSYCHIATRY 75 ENGINEERING, ENVIRONMENTAL 196 PSYCHOLOGY 76 ENGINEERING, GEOLOGICAL 197 PSYCHOLOGY, APPLIED 77 ENGINEERING, INDUSTRIAL 198 PSYCHOLOGY, BIOLOGICAL 78 ENGINEERING, MANUFACTURING 199 PSYCHOLOGY, CLINICAL 79 ENGINEERING, MARINE 200 PSYCHOLOGY, DEVELOPMENTAL 80 ENGINEERING, MECHANICAL 201 PSYCHOLOGY, EDUCATIONAL 81 ENGINEERING, OCEAN 202 PSYCHOLOGY, EXPERIMENTAL 82 ENGINEERING, PETROLEUM 203 PSYCHOLOGY, MATHEMATICAL 83 ENTOMOLOGY 204 PSYCHOLOGY, MULTIDISCIPLINARY 84 ENVIRONMENTAL SCIENCES 205 PSYCHOLOGY, PSYCHOANALYSIS 85 ENVIRONMENTAL STUDIES 206 PSYCHOLOGY, SOCIAL 86 ERGONOMICS 207 PUBLIC ADMINISTRATION 87 ETHICS 208 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 88 ETHNIC STUDIES 209 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 89 EVOLUTIONARY BIOLOGY 210 REHABILITATION 90 FAMILY STUDIES 211 RELIGION 91 FILM, RADIO, TELEVISION 212 REMOTE SENSING 92 FISHERIES 213 REPRODUCTIVE SYSTEMS 93 FOLKLORE 214 RESPIRATORY SYSTEM 94 FOOD SCIENCE & TECHNOLOGY 215 RHEUMATOLOGY 95 FORESTRY 216 ROBOTICS 96 GASTROENTEROLOGY & HEPATOLOGY 217 SOCIAL ISSUES 97 GENETICS & HEREDITY 218 SOCIAL SCIENCES, BIOMEDICAL 98 GEOCHEMISTRY & GEOPHYSICS 219 SOCIAL SCIENCES, INTERDISCIPLINARY 99 GEOGRAPHY 220 SOCIAL SCIENCES, MATHEMATICAL METHODS 100 GEOGRAPHY, PHYSICAL 221 SOCIAL WORK 101 GEOLOGY 222 SOCIOLOGY 102 GEOSCIENCES, INTERDISCIPLINARY 223 SPECTROSCOPY 103 GERIATRICS & GERONTOLOGY 224 SPORT SCIENCES 104 GERONTOLOGY 225 STATISTICS & PROBABILITY 105 HEALTH CARE SCIENCES & SERVICES 226 SUBSTANCE ABUSE 106 HEALTH POLICY & SERVICES 227 SURGERY 107 HEMATOLOGY 228 TELECOMMUNICATIONS 108 HISTORY 229 THEATER 109 HISTORY & PHILOSOPHY OF SCIENCE 230 THERMODYNAMICS 110 HISTORY OF SOCIAL SCIENCES 231 TOXICOLOGY 111 HORTICULTURE 232 TRANSPLANTATION 112 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 233 TRANSPORTATION 113 IMMUNOLOGY 234 TROPICAL MEDICINE 114 INDUSTRIAL RELATIONS & LABOR 235 URBAN STUDIES 115 INFECTIOUS DISEASES 236 UROLOGY & NEPHROLOGY 116 INFORMATION SCIENCE & LIBRARY SCIENCE 237 VETERINARY SCIENCES 117 INSTRUMENTS & INSTRUMENTATION 238 VIROLOGY 118 INTEGRATIVE & COMPLEMENTARY MEDICINE 239 WATER RESOURCES 119 INTERNATIONAL RELATIONS 240 WOMEN'S STUDIES 120 LANGUAGE & LINGUISTICS 241 ZOOLOGY 121 LAW Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 353 - ANEXO II Categorías con enlaces coincidentes en los mapas de España 2002 y JCR construidos a partir de sus revistas AGRICULTURAL ECONOMICS & POLICY ECONOMICS AGRICULTURE AGRICULTURE, SOIL SCIENCE AGRICULTURE PLANT SCIENCES ANESTHESIOLOGY CLINICAL NEUROLOGY ANTHROPOLOGY ARCHAEOLOGY ARCHAEOLOGY ARCHITECTURE ARCHAEOLOGY ART BEHAVIORAL SCIENCES PSYCHOLOGY, BIOLOGICAL BIOCHEMICAL RESEARCH METHODS CHEMISTRY, ANALYTICAL BIOCHEMISTRY & MOLECULAR BIOLOGY BIOCHEMICAL RESEARCH METHODS BIOCHEMISTRY & MOLECULAR BIOLOGY BIOPHYSICS BIOCHEMISTRY & MOLECULAR BIOLOGY ENDOCRINOLOGY & METABOLISM BIOCHEMISTRY & MOLECULAR BIOLOGY GENETICS & HEREDITY BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICAL LABORATORY TECHNOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY PHARMACOLOGY & PHARMACY BIOCHEMISTRY & MOLECULAR BIOLOGY PHYSIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY PLANT SCIENCES BUSINESS MANAGEMENT CARDIAC & CARDIOVASCULAR SYSTEMS RESPIRATORY SYSTEM CHEMISTRY, APPLIED MATERIALS SCIENCE, TEXTILES CLINICAL NEUROLOGY PSYCHIATRY COMPUTER SCIENCE, INFORMATION SYSTEMS COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING COMPUTER SCIENCE, INFORMATION SYSTEMS INFORMATION SCIENCE & LIBRARY SCIENCE COMPUTER SCIENCE, THEORY & METHODS COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING CRYSTALLOGRAPHY CHEMISTRY, INORGANIC & NUCLEAR ECONOMICS BUSINESS, FINANCE ECONOMICS INDUSTRIAL RELATIONS & LABOR ECONOMICS INTERNATIONAL RELATIONS ECONOMICS SOCIAL SCIENCES, MATHEMATICAL METHODS EDUCATION & EDUCATIONAL RESEARCH PSYCHOLOGY, EDUCATIONAL ENERGY & FUELS ENGINEERING, CHEMICAL ENERGY & FUELS ENGINEERING, PETROLEUM ENGINEERING, BIOMEDICAL MATERIALS SCIENCE, BIOMATERIALS ENGINEERING, CIVIL ENGINEERING, OCEAN ENGINEERING, ELECTRICAL & ELECTRONIC AUTOMATION & CONTROL SYSTEMS ENGINEERING, ELECTRICAL & ELECTRONIC COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE ENGINEERING, ELECTRICAL & ELECTRONIC TELECOMMUNICATIONS ENTOMOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY ENVIRONMENTAL SCIENCES ENGINEERING, ENVIRONMENTAL ENVIRONMENTAL SCIENCES WATER RESOURCES ENVIRONMENTAL STUDIES URBAN STUDIES ERGONOMICS TRANSPORTATION FOOD SCIENCE & TECHNOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY FOOD SCIENCE & TECHNOLOGY CHEMISTRY, APPLIED Anexo II - 354 - FORESTRY MATERIALS SCIENCE, PAPER & WOOD GENETICS & HEREDITY BIOLOGY, MISCELLANEOUS GEOCHEMISTRY & GEOPHYSICS MINERALOGY GEOSCIENCES, INTERDISCIPLINARY ENGINEERING, GEOLOGICAL GEOSCIENCES, INTERDISCIPLINARY GEOGRAPHY GEOSCIENCES, INTERDISCIPLINARY METEOROLOGY & ATMOSPHERIC SCIENCES HEALTH POLICY & SERVICES HEALTH CARE SCIENCES & SERVICES HEMATOLOGY PERIPHERAL VASCULAR DISEASE HISTORY HISTORY OF SOCIAL SCIENCES HISTORY LITERATURE HISTORY RELIGION IMMUNOLOGY ALLERGY IMMUNOLOGY INFECTIOUS DISEASES LANGUAGE & LINGUISTICS LITERATURE LANGUAGE & LINGUISTICS LITERATURE, ROMANCE MARINE & FRESHWATER BIOLOGY ECOLOGY MARINE & FRESHWATER BIOLOGY FISHERIES MATERIALS SCIENCE, MULTIDISCIPLINARY CHEMISTRY, PHYSICAL MATERIALS SCIENCE, MULTIDISCIPLINARY PHYSICS, CONDENSED MATTER MATHEMATICS MATHEMATICS, APPLIED MATHEMATICS, APPLIED ENGINEERING MATHEMATICS, APPLIED MATHEMATICS, MISCELLANEOUS MATHEMATICS, APPLIED OPERATIONS RESEARCH & MANAGEMENT SCIENCE MATHEMATICS, APPLIED PHYSICS, MATHEMATICAL MATHEMATICS, MISCELLANEOUS PSYCHOLOGY, MATHEMATICAL MATHEMATICS, MISCELLANEOUS SOCIAL SCIENCES, MATHEMATICAL METHODS MECHANICS ENGINEERING, MECHANICAL MECHANICS PHYSICS, FLUIDS & PLASMAS NEUROSCIENCES BEHAVIORAL SCIENCES NEUROSCIENCES CLINICAL NEUROLOGY OBSTETRICS & GYNECOLOGY REPRODUCTIVE BIOLOGY OPERATIONS RESEARCH & MANAGEMENT SCIENCE ENGINEERING, INDUSTRIAL PHARMACOLOGY & PHARMACY CHEMISTRY, MEDICINAL PHARMACOLOGY & PHARMACY TOXICOLOGY PHYSICS, APPLIED ENGINEERING, ELECTRICAL & ELECTRONIC PHYSICS, ATOMIC, MOLECULAR & CHEMICAL CHEMISTRY, PHYSICAL PHYSICS, MULTIDISCIPLINARY PHYSICS, MATHEMATICAL PSYCHIATRY PSYCHOLOGY PSYCHOLOGY PSYCHOLOGY, APPLIED PSYCHOLOGY PSYCHOLOGY EXPERIMENTAL PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH SOCIAL SCIENCES, BIOMEDICAL RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING ACOUSTICS REHABILITATION EDUCATION, SPECIAL REHABILITATION SPORT SCIENCES REMOTE SENSING IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY STATISTICS & PROBABILITY MATHEMATICS, MISCELLANEOUS SURGERY DENTISTRY, ORAL SURGERY & MEDICINE SURGERY ORTHOPEDICS SURGERY OTORHINOLARYNGOLOGY TROPICAL MEDICINE PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH WATER RESOURCES ENGINEERING, CIVIL Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 355 - Categorías con enlaces no coincidentes en los mapas de España 2002 y JCR construidos a partir de sus revistas AGRICULTURE, DAIRY & ANIMAL SCIENCE FOOD SCIENCE & TECHNOLOGY ANATOMY & MORPHOLOGY NEUROSCIENCES ANESTHESIOLOGY POETRY AREA STUDIES HISTORY ASTRONOMY & ASTROPHYSICS METEOROLOGY & ATMOSPHERIC SCIENCES BIOCHEMISTRY & MOLECULAR BIOLOGY BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY CELL BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY DEVELOPMENTAL BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY GERIATRICS & GERONTOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY IMMUNOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICINE, RESEARCH & EXPERIMENTAL BIOCHEMISTRY & MOLECULAR BIOLOGY MICROBIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY MICROSCOPY BIOCHEMISTRY & MOLECULAR BIOLOGY MYCOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY NEUROSCIENCES BIOCHEMISTRY & MOLECULAR BIOLOGY ONCOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY PARASITOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY REPRODUCTIVE BIOLOGY BIOLOGY, MISCELLANEOUS ANTHROPOLOGY CARDIAC & CARDIOVASCULAR SYSTEMS PERIPHERAL VASCULAR DISEASE CELL BIOLOGY PATHOLOGY CHEMISTRY, ANALYTICAL ELECTROCHEMISTRY CHEMISTRY, ANALYTICAL PHILOSOPHY CHEMISTRY, ANALYTICAL SPECTROSCOPY CHEMISTRY, MULTIDISCIPLINARY BIOCHEMISTRY & MOLECULAR BIOLOGY CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, INORGANIC & NUCLEAR CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, ORGANIC CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, PHYSICAL COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE COMPUTER SCIENCE, CYBERNETICS COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS PHYSICS, MATHEMATICAL COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING COMPUTER SCIENCE, HARDWARE & ARCHITECTURE COMPUTER SCIENCE, THEORY & METHODS COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE CONSTRUCTION & BUILDING TECHNOLOGY MATERIALS SCIENCE, MULTIDISCIPLINARY ECOLOGY BIOLOGY, MISCELLANEOUS ECOLOGY ORNITHOLOGY ECONOMICS MANAGEMENT ECONOMICS PLANNING & DEVELOPMENT ECONOMICS POLITICAL SCIENCE EDUCATION, SCIENTIFIC DISCIPLINES PHYSICS, MULTIDISCIPLINARY ENGINEERING, AEROSPACE ASTRONOMY & ASTROPHYSICS ENGINEERING, CHEMICAL CHEMISTRY, PHYSICAL ENGINEERING, CHEMICAL THERMODYNAMICS ENGINEERING, MANUFACTURING ENGINEERING, INDUSTRIAL ENVIRONMENTAL SCIENCES CHEMISTRY, ANALYTICAL ENVIRONMENTAL STUDIES ECONOMICS GASTROENTEROLOGY & HEPATOLOGY MEDICINE, GENERAL & INTERNAL GENETICS & HEREDITY HISTORY Anexo II - 356 - GEOCHEMISTRY & GEOPHYSICS REMOTE SENSING GEOSCIENCES, INTERDISCIPLINARY GEOCHEMISTRY & GEOPHYSICS GEOSCIENCES, INTERDISCIPLINARY GEOLOGY GEOSCIENCES, INTERDISCIPLINARY OCEANOGRAPHY GEOSCIENCES, INTERDISCIPLINARY PALEONTOLOGY HISTORY & PHILOSOPHY OF SCIENCE PHILOSOPHY IMMUNOLOGY TRANSPLANTATION INSTRUMENTS & INSTRUMENTATION NUCLEAR SCIENCE & TECHNOLOGY INSTRUMENTS & INSTRUMENTATION SPECTROSCOPY LAW ECONOMICS LITERARY REVIEWS LITERATURE, AMERICAN LITERATURE ARTS & HUMANITIES, GENERAL MARINE & FRESHWATER BIOLOGY OCEANOGRAPHY MATERIALS SCIENCE, MULTIDISCIPLINARY MATERIALS SCIENCE, CERAMICS MATERIALS SCIENCE, MULTIDISCIPLINARY MATERIALS SCIENCE, COMPOSITES MATERIALS SCIENCE, MULTIDISCIPLINARY METALLURGY & METALLURGICAL ENGINEERING MATERIALS SCIENCE, MULTIDISCIPLINARY MINING & MINERAL PROCESSING MEDICAL INFORMATICS HEALTH CARE SCIENCES & SERVICES MEDICINE, GENERAL & INTERNAL BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICINE, GENERAL & INTERNAL CARDIAC & CARDIOVASCULAR SYSTEMS MEDICINE, GENERAL & INTERNAL DERMATOLOGY & VENEREAL DISEASES MEDICINE, GENERAL & INTERNAL EMERGENCY MEDICINE & CRITICAL CARE MEDICINE, GENERAL & INTERNAL HEALTH CARE SCIENCES & SERVICES MEDICINE, GENERAL & INTERNAL PEDIATRICS MEDICINE, GENERAL & INTERNAL PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH MEDICINE, GENERAL & INTERNAL RHEUMATOLOGY MEDICINE, GENERAL & INTERNAL SURGERY MEDICINE, GENERAL & INTERNAL UROLOGY & NEPHROLOGY MUSIC ART NEUROSCIENCES OPHTHALMOLOGY NURSING HEALTH CARE SCIENCES & SERVICES NUTRITION & DIETETICS BIOCHEMISTRY & MOLECULAR BIOLOGY OCEANOGRAPHY ENGINEERING, MARINE OCEANOGRAPHY LIMNOLOGY OPTICS PHYSICS, ATOMIC, MOLECULAR & CHEMICAL PATHOLOGY MEDICINE, LEGAL PHYSICS, APPLIED PHYSICS, CONDENSED MATTER PHYSICS, CONDENSED MATTER MATERIALS SCIENCE, COATINGS & FILMS PHYSICS, FLUIDS & PLASMAS PHYSICS, MATHEMATICAL PHYSICS, MULTIDISCIPLINARY PHYSICS, CONDENSED MATTER PHYSICS, MULTIDISCIPLINARY PHYSICS, NUCLEAR PHYSICS, MULTIDISCIPLINARY PHYSICS, PARTICLES & FIELDS PHYSIOLOGY SPORT SCIENCES PLANT SCIENCES FORESTRY PLANT SCIENCES HORTICULTURE POLITICAL SCIENCE THEATER POLYMER SCIENCE CHEMISTRY, PHYSICAL POLYMER SCIENCE MATERIALS SCIENCE, CHARACTERIZATION & TESTING PSYCHIATRY PSYCHOLOGY, DEVELOPMENTAL PSYCHIATRY SUBSTANCE ABUSE PSYCHOLOGY ERGONOMICS PSYCHOLOGY PSYCHOLOGY, CLINICAL PSYCHOLOGY PSYCHOLOGY, EDUCATIONAL Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 357 - PSYCHOLOGY PSYCHOLOGY, PSYCHOANALYSIS PSYCHOLOGY CHOLOGY SOCIAL PSYCHOLOGY SOCIAL SCIENCES, INTERDISCIPLINARY PSYCHOLOGY SOCIAL WORK PSYCHOLOGY SOCIOLOGY PSYCHOLOGY, SOCIAL FAMILY STUDIES PUBLIC ADMINISTRATION POLITICAL SCIENCE PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH WOMEN'S STUDIES RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING MEDICINE, GENERAL & INTERNAL REPRODUCTIVE BIOLOGY ANDROLOGY SOCIAL SCIENCES, BIOMEDICAL DEMOGRAPHY SOCIAL SCIENCES, BIOMEDICAL SOCIAL ISSUES SOCIAL SCIENCES, INTERDISCIPLINARY COMMUNICATION SURGERY ENGINEERING, BIOMEDICAL THEATER LITERARY REVIEWS VETERINARY SCIENCES IMMUNOLOGY VIROLOGY IMMUNOLOGY ZOOLOGY NEUROSCIENCES Anexo II - 358 - Categorías con enlaces coincidentes en los mapas de España 2002 y JCR construidos a partir de la ínter citación sus documentos ANATOMY & MORPHOLOGY NEUROSCIENCES ANESTHESIOLOGY POETRY ARCHAEOLOGY ART AREA STUDIES HISTORY ASTRONOMY & ASTROPHYSICS METEOROLOGY & ATMOSPHERIC SCIENCES BEHAVIORAL SCIENCES PSYCHOLOGY, BIOLOGICAL BIOCHEMISTRY & MOLECULAR BIOLOGY CELL BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY DEVELOPMENTAL BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY GERIATRICS & GERONTOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY IMMUNOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICAL LABORATORY TECHNOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICINE, RESEARCH & EXPERIMENTAL BIOCHEMISTRY & MOLECULAR BIOLOGY MICROBIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY MICROSCOPY BIOCHEMISTRY & MOLECULAR BIOLOGY MYCOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY NEUROSCIENCES BIOCHEMISTRY & MOLECULAR BIOLOGY ONCOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY PARASITOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY PHYSIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY REPRODUCTIVE BIOLOGY CHEMISTRY, ANALYTICAL ELECTROCHEMISTRY CHEMISTRY, ANALYTICAL PHILOSOPHY CHEMISTRY, ANALYTICAL SPECTROSCOPY CHEMISTRY, MULTIDISCIPLINARY BIOCHEMISTRY & MOLECULAR BIOLOGY CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, INORGANIC & NUCLEAR CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, ORGANIC CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY, PHYSICAL COMPUTER SCIENCE, INFORMATION SYSTEMS COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS PHYSICS, MATHEMATICAL COMPUTER SCIENCE, THEORY & METHODS COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE CONSTRUCTION & BUILDING TECHNOLOGY MATERIALS SCIENCE, MULTIDISCIPLINARY ECOLOGY BIOLOGY, MISCELLANEOUS ECOLOGY ORNITHOLOGY ECONOMICS INTERNATIONAL RELATIONS ECONOMICS MANAGEMENT EDUCATION, SCIENTIFIC DISCIPLINES PHYSICS, MULTIDISCIPLINARY ENGINEERING, CHEMICAL THERMODYNAMICS ENVIRONMENTAL SCIENCES CHEMISTRY, ANALYTICAL ENVIRONMENTAL STUDIES ECONOMICS GASTROENTEROLOGY & HEPATOLOGY MEDICINE, GENERAL & INTERNAL GENETICS & HEREDITY BIOLOGY, MISCELLANEOUS GENETICS & HEREDITY HISTORY GEOSCIENCES, INTERDISCIPLINARY GEOCHEMISTRY & GEOPHYSICS GEOSCIENCES, INTERDISCIPLINARY GEOGRAPHY GEOSCIENCES, INTERDISCIPLINARY GEOLOGY HISTORY & PHILOSOPHY OF SCIENCE PHILOSOPHY LAW ECONOMICS LITERARY REVIEWS LITERATURE, AMERICAN LITERATURE ARTS & HUMANITIES, GENERAL MATERIALS SCIENCE, MULTIDISCIPLINARY MATERIALS SCIENCE, COMPOSITES MATERIALS SCIENCE, MULTIDISCIPLINARY METALLURGY & METALLURGICAL ENGINEERING MATHEMATICS, APPLIED ENGINEERING MATHEMATICS, APPLIED MATHEMATICS, MISCELLANEOUS MATHEMATICS, APPLIED OPERATIONS RESEARCH & MANAGEMENT SCIENCE MEDICAL INFORMATICS HEALTH CARE SCIENCES & SERVICES MEDICINE, GENERAL & INTERNAL BIOCHEMISTRY & MOLECULAR BIOLOGY MEDICINE, GENERAL & INTERNAL CARDIAC & CARDIOVASCULAR SYSTEMS MEDICINE, GENERAL & INTERNAL DERMATOLOGY & VENEREAL DISEASES MEDICINE, GENERAL & INTERNAL EMERGENCY MEDICINE & CRITICAL CARE MEDICINE, GENERAL & INTERNAL HEALTH CARE SCIENCES & SERVICES MEDICINE, GENERAL & INTERNAL PEDIATRICS MEDICINE, GENERAL & INTERNAL RHEUMATOLOGY MEDICINE, GENERAL & INTERNAL SURGERY MEDICINE, GENERAL & INTERNAL UROLOGY & NEPHROLOGY Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 359 - MUSIC ART NEUROSCIENCES OPHTHALMOLOGY NUTRITION & DIETETICS BIOCHEMISTRY & MOLECULAR BIOLOGY OCEANOGRAPHY ENGINEERING, MARINE OCEANOGRAPHY LIMNOLOGY PHYSICS, APPLIED PHYSICS, CONDENSED MATTER PHYSICS, ATOMIC, MOLECULAR & CHEMICAL CHEMISTRY, PHYSICAL PHYSICS, CONDENSED MATTER MATERIALS SCIENCE, COATINGS & FILMS PHYSICS, MULTIDISCIPLINARY PHYSICS, CONDENSED MATTER PHYSICS, MULTIDISCIPLINARY PHYSICS, NUCLEAR PHYSICS, MULTIDISCIPLINARY PHYSICS, PARTICLES & FIELDS PLANT SCIENCES FORESTRY PLANT SCIENCES HORTICULTURE POLITICAL SCIENCE THEATER POLYMER SCIENCE CHEMISTRY, PHYSICAL POLYMER SCIENCE MATERIALS SCIENCE, CHARACTERIZATION & TESTING PSYCHIATRY PSYCHOLOGY PSYCHIATRY CHOLOGY, DEVELOPMENTAL PSYCHOLOGY ERGONOMICS PSYCHOLOGY PSYCHOLOGY CLINICAL PSYCHOLOGY PSYCHOLOGY, EDUCATIONAL PSYCHOLOGY PSYCHOLOGY, PSYCHOANALYSIS PSYCHOLOGY CHOLOGY SOCIAL PSYCHOLOGY SOCIAL SCIENCES, INTERDISCIPLINARY PSYCHOLOGY SOCIAL WORK PSYCHOLOGY SOCIOLOGY PSYCHOLOGY, SOCIAL FAMILY STUDIES PUBLIC ADMINISTRATION POLITICAL SCIENCE RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING MEDICINE, GENERAL & INTERNAL REPRODUCTIVE BIOLOGY ANDROLOGY SOCIAL SCIENCES, BIOMEDICAL DEMOGRAPHY SOCIAL SCIENCES, BIOMEDICAL SOCIAL ISSUES SOCIAL SCIENCES, INTERDISCIPLINARY COMMUNICATION STATISTICS & PROBABILITY MATHEMATICS, MISCELLANEOUS SURGERY ENGINEERING, BIOMEDICAL THEATER LITERARY REVIEWS VIROLOGY IMMUNOLOGY ZOOLOGY NEUROSCIENCES Anexo II - 360 - Categorías con enlaces no coincidentes en los mapas de España 2002 y JCR construidos a partir de la ínter citación sus documentos AGRICULTURAL ECONOMICS & POLICY ECONOMICS AGRICULTURE AGRICULTURE, SOIL SCIENCE AGRICULTURE PLANT SCIENCES AGRICULTURE, DAIRY & ANIMAL SCIENCE FOOD SCIENCE & TECHNOLOGY ANESTHESIOLOGY CLINICAL NEUROLOGY ANTHROPOLOGY ARCHAEOLOGY ARCHAEOLOGY ARCHITECTURE BIOCHEMICAL RESEARCH METHODS CHEMISTRY, ANALYTICAL BIOCHEMISTRY & MOLECULAR BIOLOGY BIOCHEMICAL RESEARCH METHODS BIOCHEMISTRY & MOLECULAR BIOLOGY BIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY BIOPHYSICS BIOCHEMISTRY & MOLECULAR BIOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY ENDOCRINOLOGY & METABOLISM BIOCHEMISTRY & MOLECULAR BIOLOGY GENETICS & HEREDITY BIOCHEMISTRY & MOLECULAR BIOLOGY PHARMACOLOGY & PHARMACY BIOCHEMISTRY & MOLECULAR BIOLOGY PLANT SCIENCES BIOLOGY, MISCELLANEOUS ANTHROPOLOGY BUSINESS MANAGEMENT CARDIAC & CARDIOVASCULAR SYSTEMS PERIPHERAL VASCULAR DISEASE CARDIAC & CARDIOVASCULAR SYSTEMS RESPIRATORY SYSTEM CELL BIOLOGY PATHOLOGY CHEMISTRY, APPLIED MATERIALS SCIENCE, TEXTILES CLINICAL NEUROLOGY PSYCHIATRY COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE COMPUTER SCIENCE, CYBERNETICS COMPUTER SCIENCE, INFORMATION SYSTEMS INFORMATION SCIENCE & LIBRARY SCIENCE COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING COMPUTER SCIENCE, HARDWARE & ARCHITECTURE COMPUTER SCIENCE, THEORY & METHODS COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING CRYSTALLOGRAPHY CHEMISTRY, INORGANIC & NUCLEAR ECONOMICS BUSINESS, FINANCE ECONOMICS INDUSTRIAL RELATIONS & LABOR ECONOMICS PLANNING & DEVELOPMENT ECONOMICS POLITICAL SCIENCE ECONOMICS SOCIAL SCIENCES, MATHEMATICAL METHODS EDUCATION & EDUCATIONAL RESEARCH PSYCHOLOGY, EDUCATIONAL ENERGY & FUELS ENGINEERING, CHEMICAL ENERGY & FUELS ENGINEERING, PETROLEUM ENGINEERING, AEROSPACE ASTRONOMY & ASTROPHYSICS ENGINEERING, BIOMEDICAL MATERIALS SCIENCE, BIOMATERIALS ENGINEERING, CHEMICAL CHEMISTRY, PHYSICAL ENGINEERING, CIVIL ENGINEERING, OCEAN ENGINEERING, ELECTRICAL & ELECTRONIC AUTOMATION & CONTROL SYSTEMS ENGINEERING, ELECTRICAL & ELECTRONIC COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE ENGINEERING, ELECTRICAL & ELECTRONIC TELECOMMUNICATIONS ENGINEERING, MANUFACTURING ENGINEERING, INDUSTRIAL ENTOMOLOGY BIOCHEMISTRY & MOLECULAR BIOLOGY ENVIRONMENTAL SCIENCES ENGINEERING, ENVIRONMENTAL ENVIRONMENTAL SCIENCES WATER RESOURCES ENVIRONMENTAL STUDIES URBAN STUDIES ERGONOMICS TRANSPORTATION FOOD SCIENCE & TECHNOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY FOOD SCIENCE & TECHNOLOGY CHEMISTRY, APPLIED FORESTRY MATERIALS SCIENCE, PAPER & WOOD GEOCHEMISTRY & GEOPHYSICS MINERALOGY GEOCHEMISTRY & GEOPHYSICS REMOTE SENSING GEOSCIENCES, INTERDISCIPLINARY ENGINEERING, GEOLOGICAL GEOSCIENCES, INTERDISCIPLINARY METEOROLOGY & ATMOSPHERIC SCIENCES GEOSCIENCES, INTERDISCIPLINARY OCEANOGRAPHY GEOSCIENCES, INTERDISCIPLINARY PALEONTOLOGY HEALTH POLICY & SERVICES HEALTH CARE SCIENCES & SERVICES HEMATOLOGY PERIPHERAL VASCULAR DISEASE HISTORY HISTORY OF SOCIAL SCIENCES HISTORY LITERATURE Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 361 - HISTORY RELIGION IMMUNOLOGY ALLERGY IMMUNOLOGY INFECTIOUS DISEASES IMMUNOLOGY TRANSPLANTATION INSTRUMENTS & INSTRUMENTATION NUCLEAR SCIENCE & TECHNOLOGY INSTRUMENTS & INSTRUMENTATION SPECTROSCOPY LANGUAGE & LINGUISTICS LITERATURE LANGUAGE & LINGUISTICS LITERATURE, ROMANCE MARINE & FRESHWATER BIOLOGY ECOLOGY MARINE & FRESHWATER BIOLOGY FISHERIES MARINE & FRESHWATER BIOLOGY OCEANOGRAPHY MATERIALS SCIENCE, MULTIDISCIPLINARY CHEMISTRY, PHYSICAL MATERIALS SCIENCE, MULTIDISCIPLINARY MATERIALS SCIENCE, CERAMICS MATERIALS SCIENCE, MULTIDISCIPLINARY MINING & MINERAL PROCESSING MATERIALS SCIENCE, MULTIDISCIPLINARY PHYSICS, CONDENSED MATTER MATHEMATICS MATHEMATICS, APPLIED MATHEMATICS, APPLIED PHYSICS, MATHEMATICAL MATHEMATICS, MISCELLANEOUS PSYCHOLOGY, MATHEMATICAL MATHEMATICS, MISCELLANEOUS SOCIAL SCIENCES, MATHEMATICAL METHODS MECHANICS ENGINEERING, MECHANICAL MECHANICS PHYSICS, FLUIDS & PLASMAS MEDICINE, GENERAL & INTERNAL PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH NEUROSCIENCES BEHAVIORAL SCIENCES NEUROSCIENCES CLINICAL NEUROLOGY NURSING HEALTH CARE SCIENCES & SERVICES OBSTETRICS & GYNECOLOGY REPRODUCTIVE BIOLOGY OPERATIONS RESEARCH & MANAGEMENT SCIENCE ENGINEERING, INDUSTRIAL OPTICS PHYSICS, ATOMIC, MOLECULAR & CHEMICAL PATHOLOGY MEDICINE, LEGAL PHARMACOLOGY & PHARMACY CHEMISTRY, MEDICINAL PHARMACOLOGY & PHARMACY TOXICOLOGY PHYSICS, APPLIED ENGINEERING, ELECTRICAL & ELECTRONIC PHYSICS, FLUIDS & PLASMAS PHYSICS, MATHEMATICAL PHYSICS, MULTIDISCIPLINARY PHYSICS, MATHEMATICAL PHYSIOLOGY SPORT SCIENCES PSYCHIATRY SUBSTANCE ABUSE PSYCHOLOGY PSYCHOLOGY, APPLIED PSYCHOLOGY CHOLOGY EXPERIMENTAL PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH SOCIAL SCIENCES, BIOMEDICAL PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH WOMEN'S STUDIES RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING ACOUSTICS REHABILITATION EDUCATION, SPECIAL REHABILITATION SPORT SCIENCES REMOTE SENSING IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY SURGERY DENTISTRY, ORAL SURGERY & MEDICINE SURGERY ORTHOPEDICS SURGERY OTORHINOLARYNGOLOGY TROPICAL MEDICINE PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH VETERINARY SCIENCES IMMUNOLOGY WATER RESOURCES ENGINEERING, CIVIL Anexo III - 362 - ANEXO III Factores extraídos del dominio UE 2002 Factor 1 % varianza Factor 2 % varianza Biomedicina 19.6 Ciencias de los Materiales y Física Aplicada 10.5 MEDICINE, RESEARCH & EXPERIMENTAL 0.947 MATERIALS SCIENCE, CERAMICS 0.964 ENDOCRINOLOGY & METABOLISM 0.943 METALLURGY & METALLURGICAL ENGINEERING 0.927 ONCOLOGY 0.934 MATERIALS SCIENCE, COATINGS & FILMS 0.898 PATHOLOGY 0.926 POLYMER SCIENCE 0.818 MEDICAL LABORATORY TECHNOLOGY 0.922 PHYSICS, APPLIED 0.815 UROLOGY & NEPHROLOGY 0.907 PHYSICS, CONDENSED MATTER 0.753 PHYSIOLOGY 0.898 MATERIALS SCIENCE, MULTIDISCIPLINARY 0.746 DERMATOLOGY & VENEREAL DISEASES 0.894 ELECTROCHEMISTRY 0.746 IMMUNOLOGY 0.887 CHEMISTRY, PHYSICAL 0.740 GASTROENTEROLOGY & HEPATOLOGY 0.882 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.735 PHARMACOLOGY & PHARMACY 0.876 MINING & MINERAL PROCESSING 0.670 BIOLOGY 0.867 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.664 BIOPHYSICS 0.864 ENGINEERING, ELECTRICAL & ELECTRONIC 0.634 DEVELOPMENTAL BIOLOGY 0.859 CRYSTALLOGRAPHY 0.626 PEDIATRICS 0.854 MATERIALS SCIENCE, COMPOSITES 0.616 GENETICS & HEREDITY 0.851 MECHANICS 0.614 NUTRITION & DIETETICS 0.851 PHYSICS, MULTIDISCIPLINARY 0.604 RHEUMATOLOGY 0.845 OPTICS 0.592 GERIATRICS & GERONTOLOGY 0.837 ENGINEERING, CHEMICAL 0.555 CELL BIOLOGY 0.834 ENERGY & FUELS 0.537 ANATOMY & MORPHOLOGY 0.828 CHEMISTRY, MULTIDISCIPLINARY 0.531 OPHTHALMOLOGY 0.820 CONSTRUCTION & BUILDING TECHNOLOGY 0.502 VIROLOGY 0.814 MEDICINE, GENERAL & INTERNAL 0.813 HEMATOLOGY 0.805 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.797 TOXICOLOGY 0.794 ANDROLOGY 0.778 VETERINARY SCIENCES 0.776 MICROBIOLOGY 0.760 NEUROSCIENCES 0.758 BIOCHEMICAL RESEARCH METHODS 0.750 OBSTETRICS & GYNECOLOGY 0.737 REPRODUCTIVE BIOLOGY 0.736 RESPIRATORY SYSTEM 0.725 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.722 MICROSCOPY 0.714 DENTISTRY, ORAL SURGERY & MEDICINE 0.711 SURGERY 0.705 MEDICINE, LEGAL 0.697 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.673 PARASITOLOGY 0.669 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.668 PLANT SCIENCES 0.666 PERIPHERAL VASCULAR DISEASE 0.663 TRANSPLANTATION 0.647 CARDIAC & CARDIOVASCULAR SYSTEMS 0.644 CHEMISTRY, ANALYTICAL 0.643 ALLERGY 0.636 MYCOLOGY 0.616 INFECTIOUS DISEASES 0.607 OTORHINOLARYNGOLOGY 0.606 ZOOLOGY 0.595 CHEMISTRY, MEDICINAL 0.588 CLINICAL NEUROLOGY 0.577 SPORT SCIENCES 0.571 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.569 BIOLOGY, MISCELLANEOUS 0.552 ANESTHESIOLOGY 0.533 ENGINEERING, BIOMEDICAL 0.509 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 363 - Factor 3 % varianza Factor 4 % varianza Gestión, Derecho y Economía 6.9 Ciencias de la Tierra y del Espacio 6.1 PLANNING & DEVELOPMENT 0.876 GEOLOGY 0.895 INDUSTRIAL RELATIONS & LABOR 0.870 PALEONTOLOGY 0.892 POLITICAL SCIENCE 0.841 OCEANOGRAPHY 0.888 INTERNATIONAL RELATIONS 0.824 METEOROLOGY & ATMOSPHERIC SCIENCES 0.883 PUBLIC ADMINISTRATION 0.820 ASTRONOMY & ASTROPHYSICS 0.870 AREA STUDIES 0.820 GEOCHEMISTRY & GEOPHYSICS 0.853 SOCIOLOGY 0.810 ENGINEERING, OCEAN 0.807 AGRICULTURAL ECONOMICS & POLICY 0.786 ENGINEERING, AEROSPACE 0.799 HISTORY OF SOCIAL SCIENCES 0.726 GEOSCIENCES, INTERDISCIPLINARY 0.750 URBAN STUDIES 0.682 ENGINEERING, GEOLOGICAL 0.746 BUSINESS, FINANCE 0.680 REMOTE SENSING 0.742 LAW 0.669 MINERALOGY 0.721 SOCIAL ISSUES 0.641 GEOGRAPHY 0.703 ENVIRONMENTAL STUDIES 0.610 LIMNOLOGY 0.625 ETHNIC STUDIES 0.588 ENGINEERING, PETROLEUM 0.585 BUSINESS 0.571 ENVIRONMENTAL SCIENCES 0.573 MANAGEMENT 0.559 WATER RESOURCES 0.545 ARTS & HUMANITIES, GENERAL 0.554 ENGINEERING, CIVIL 0.533 SOCIAL SCIENCES, INTERDISCIPLINARY 0.553 HISTORY 0.526 COMMUNICATION 0.525 DEMOGRAPHY 0.521 Factor 5 % varianza Factor 6 % varianza Psicología 4.8 Informática y Telecomunicaciones 3.6 PSYCHOLOGY, SOCIAL 0.910 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.911 PSYCHOLOGY, DEVELOPMENTAL 0.871 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.883 PSYCHOLOGY, CLINICAL 0.863 COMPUTER SCIENCE, THEORY & METHODS 0.839 PSYCHOLOGY, PSYCHOANALYSIS 0.852 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.839 PSYCHOLOGY, EXPERIMENTAL 0.757 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.833 PSYCHOLOGY, EDUCATIONAL 0.743 AUTOMATION & CONTROL SYSTEMS 0.743 CRIMINOLOGY & PENOLOGY 0.739 TELECOMMUNICATIONS 0.724 PSYCHOLOGY, APPLIED 0.732 COMPUTER SCIENCE, CYBERNETICS 0.720 FAMILY STUDIES 0.718 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 0.588 PSYCHOLOGY 0.692 INFORMATION SCIENCE & LIBRARY SCIENCE 0.513 SUBSTANCE ABUSE 0.676 EDUCATION & EDUCATIONAL RESEARCH 0.650 SOCIAL WORK 0.643 PSYCHOLOGY, BIOLOGICAL 0.637 PSYCHIATRY 0.582 BEHAVIORAL SCIENCES 0.580 EDUCATION, SPECIAL 0.577 WOMEN'S STUDIES 0.544 SOCIAL SCIENCES, INTERDISCIPLINARY 0.522 ERGONOMICS 0.510 PSYCHOLOGY, MATHEMATICAL 0.507 COMMUNICATION 0.503 Factor 7 % varianza Factor 8 % varianza Biología Animal, Ecología 3.2 Humanidades 2.4 ORNITHOLOGY 0.802 LITERATURE, ROMANCE 0.877 ENTOMOLOGY 0.693 LITERATURE 0.825 ZOOLOGY 0.627 LANGUAGE & LINGUISTICS 0.659 ANTHROPOLOGY 0.620 ARTS & HUMANITIES, GENERAL 0.649 ECOLOGY 0.616 LITERARY REVIEWS 0.642 FISHERIES 0.555 RELIGION 0.63 MARINE & FRESHWATER BIOLOGY 0.524 LITERATURE, SLAVIC 0.605 BIOLOGY, MISCELLANEOUS 0.522 Anexo III - 364 - Factor 9 % varianza Factor 10 % varianza Física Nuclear y de Partículas 2.1 Política Sanitaria, Servicios Médicos 1.9 PHYSICS, NUCLEAR 0.849 SOCIAL SCIENCES, BIOMEDICAL 0.823 PHYSICS, PARTICLES & FIELDS 0.829 NURSING 0.799 PHYSICS, MATHEMATICAL 0.799 HEALTH POLICY & SERVICES 0.799 NUCLEAR SCIENCE & TECHNOLOGY 0.712 HEALTH CARE SCIENCES & SERVICES 0.686 INSTRUMENTS & INSTRUMENTATION 0.696 TROPICAL MEDICINE 0.652 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 0.681 MEDICAL INFORMATICS 0.581 SPECTROSCOPY 0.673 WOMEN'S STUDIES 0.568 PHYSICS, FLUIDS & PLASMAS 0.666 SOCIAL WORK 0.552 EDUCATION, SCIENTIFIC DISCIPLINES 0.592 OPTICS 0.589 PHYSICS, MULTIDISCIPLINARY 0.501 Factor 11 % varianza Factor 12 % varianza Ingeniería Mecánica 1.6 Ortopedia 1.4 ENGINEERING, MECHANICAL 0.739 EMERGENCY MEDICINE & CRITICAL CARE 0.740 ENGINEERING 0.689 ORTHOPEDICS 0.726 THERMODYNAMICS 0.620 OTORHINOLARYNGOLOGY 0.595 MATERIALS SCIENCE, COMPOSITES 0.534 ANESTHESIOLOGY 0.506 ACOUSTICS 0.504 Factor 13 % varianza Factor 14 % varianza Matemáticas Aplicadas 1.2 Química 1.1 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.754 CHEMISTRY, ORGANIC 0.738 STATISTICS & PROBABILITY 0.697 CHEMISTRY, APPLIED 0.694 PSYCHOLOGY, MATHEMATICAL 0.662 CHEMISTRY, INORGANIC & NUCLEAR 0.656 ECONOMICS 0.636 CHEMISTRY, MEDICINAL 0.609 MATHEMATICS, MISCELLANEOUS 0.632 ENGINEERING, CHEMICAL 0.596 BUSINESS, FINANCE 0.623 MATERIALS SCIENCE, TEXTILES 0.555 CRYSTALLOGRAPHY 0.548 CHEMISTRY, MULTIDISCIPLINARY 0.520 Factor 15 % varianza Agricultura y Ciencias del Suelo 1 HORTICULTURA 0.814 AGRICULTURA 0.759 FORESTRY 0.719 AGRICULTURE, SOIL SCIENCE 0.650 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 365 - Factores extraídos del dominio USA 2002 Factor 1 % varianza Factor 2 % varianza Biomedicina 20.5 Psicología 11.7 ENDOCRINOLOGY & METABOLISM 0.955 PSYCHOLOGY, SOCIAL 0.908 MEDICINE, RESEARCH & EXPERIMENTAL 0.949 PSYCHOLOGY, DEVELOPMENTAL 0.868 PATHOLOGY 0.942 SOCIAL WORK 0.832 ONCOLOGY 0 FAMILY STUDIES 0.831 UROLOGY & NEPHROLOGY 0.937 PSYCHOLOGY, CLINICAL 0.826 PHYSIOLOGY 0.911 EDUCATION & EDUCATIONAL RESEARCH 0.821 GASTROENTEROLOGY & HEPATOLOGY 0.909 PSYCHOLOGY, EDUCATIONAL 0.819 MEDICAL LABORATORY TECHNOLOGY 0.902 PSYCHOLOGY, APPLIED 0.804 PHARMACOLOGY & PHARMACY 0.902 PSYCHOLOGY, PSYCHOANALYSIS 0.802 OPHTHALMOLOGY 0.899 WOMEN'S STUDIES 0.802 BIOPHYSICS 0.896 CRIMINOLOGY & PENOLOGY 0.801 IMMUNOLOGY 0.895 SUBSTANCE ABUSE 0.737 DERMATOLOGY & VENEREAL DISEASES 0.887 PSYCHOLOGY, EXPERIMENTAL 0.731 BIOLOGY 0.883 PSYCHOLOGY 0.701 GENETICS & HEREDITY 0.875 SOCIAL SCIENCES, INTERDISCIPLINARY 0.694 DEVELOPMENTAL BIOLOGY 0.875 PSYCHIATRY 0.621 RHEUMATOLOGY 0.867 SOCIAL ISSUES 0.614 ANATOMY & MORPHOLOGY 0.861 SOCIAL SCIENCES, BIOMEDICAL 0.582 GERIATRICS & GERONTOLOGY 0.852 SOCIOLOGY 0.576 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.848 COMMUNICATION 0.568 NUTRITION & DIETETICS 0.845 PSYCHOLOGY, MATHEMATICAL 0.563 VIROLOGY 0.841 ERGONOMICS 0.549 CELL BIOLOGY 0.838 EDUCATION, SPECIAL 0.527 HEMATOLOGY 0.835 PSYCHOLOGY, BIOLOGICAL 0.517 TOXICOLOGY 0.826 RELIGION 0.503 NEUROSCIENCES 0.816 REHABILITATION 0.501 ANDROLOGY 0.808 MEDICINE, GENERAL & INTERNAL 0.806 RESPIRATORY SYSTEM 0.803 BIOCHEMICAL RESEARCH METHODS 0.802 DENTISTRY, ORAL SURGERY & MEDICINE 0.799 REPRODUCTIVE BIOLOGY 0.797 PEDIATRICS 0.789 MICROBIOLOGY 0.781 MICROSCOPY 0.775 VETERINARY SCIENCES 0.763 OBSTETRICS & GYNECOLOGY 0.758 SURGERY 0.747 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.747 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.724 PERIPHERAL VASCULAR DISEASE 0.693 CHEMISTRY, ANALYTICAL 0.692 PARASITOLOGY 0.692 PLANT SCIENCES 0.683 CARDIAC & CARDIOVASCULAR SYSTEMS 0.675 CHEMISTRY, MEDICINAL 0.671 MYCOLOGY 0.657 TRANSPLANTATION 0.652 ALLERGY 0.641 SPORT SCIENCES 0.629 CLINICAL NEUROLOGY 0.627 OTORHINOLARYNGOLOGY 0.624 ENGINEERING, BIOMEDICAL 0.617 ZOOLOGY 0.605 INFECTIOUS DISEASES 0.591 FOOD SCIENCE & TECHNOLOGY 0.579 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.567 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.566 ANESTHESIOLOGY 0.561 BIOLOGY, MISCELLANEOUS 0.546 ENTOMOLOGY 0.529 EMERGENCY MEDICINE & CRITICAL CARE 0.509 CRYSTALLOGRAPHY 0.508 Anexo III - 366 - Factor 3 % varianza Factor 4 % varianza Ciencias de los Materiales y Física Aplicada 7.3 Ciencias de la Tierra y del Espacio 6.1 MATERIALS SCIENCE, CERAMICS 0.952 GEOLOGY 0.927 MATERIALS SCIENCE, COATINGS & FILMS 0.890 PALEONTOLOGY 0.897 METALLURGY & METALLURGICAL ENGINEERING 0.876 ASTRONOMY & ASTROPHYSICS 0.897 PHYSICS, CONDENSED MATTER 0.829 OCEANOGRAPHY 0.892 PHYSICS, APPLIED 0.825 METEOROLOGY & ATMOSPHERIC SCIENCES 0.889 POLYMER SCIENCE 0.822 ENGINEERING, OCEAN 0.853 MATERIALS SCIENCE, MULTIDISCIPLINARY 0.793 GEOCHEMISTRY & GEOPHYSICS 0.850 ELECTROCHEMISTRY 0.792 GEOSCIENCES, INTERDISCIPLINARY 0.760 CHEMISTRY, PHYSICAL 0.778 REMOTE SENSING 0.756 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.743 MINERALOGY 0.746 MINING & MINERAL PROCESSING 0.732 ENGINEERING, GEOLOGICAL 0.728 PHYSICS, MULTIDISCIPLINARY 0.722 ENGINEERING, AEROSPACE 0.708 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.713 LIMNOLOGY 0.620 OPTICS 0.690 ENGINEERING, PETROLEUM 0.599 INSTRUMENTS & INSTRUMENTATION 0.666 GEOGRAPHY 0.597 MECHANICS 0.629 ENVIRONMENTAL SCIENCES 0.570 ENGINEERING, CHEMICAL 0.621 WATER RESOURCES 0.543 ENGINEERING, ELECTRICAL & ELECTRONIC 0.583 ENGINEERING, CIVIL 0.526 CHEMISTRY, INORGANIC & NUCLEAR 0.566 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 0.514 CRYSTALLOGRAPHY 0.563 SPECTROSCOPY 0.562 CHEMISTRY, MULTIDISCIPLINARY 0.554 MATERIALS SCIENCE, COMPOSITES 0.537 ENGINEERING 0.513 Factor 5 % varianza Factor 6 % varianza Gestión, Derecho y Economía 4.7 Informática y Telecomunicaciones 3.8 PLANNING & DEVELOPMENT 0.861 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.922 INDUSTRIAL RELATIONS & LABOR 0.843 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.888 AREA STUDIES 0.842 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.848 PUBLIC ADMINISTRATION 0.837 COMPUTER SCIENCE, THEORY & METHODS 0.832 URBAN STUDIES 0.802 TELECOMMUNICATIONS 0.832 POLITICAL SCIENCE 0.766 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.824 LAW 0.764 AUTOMATION & CONTROL SYSTEMS 0.789 AGRICULTURAL ECONOMICS & POLICY 0.758 COMPUTER SCIENCE, CYBERNETICS 0.691 INTERNATIONAL RELATIONS 0.757 HISTORY OF SOCIAL SCIENCES 0.727 ENVIRONMENTAL STUDIES 0.713 BUSINESS, FINANCE 0.697 ETHNIC STUDIES 0.656 HISTORY 0.619 ARCHITECTURE 0.601 SOCIOLOGY 0.593 SOCIAL SIGUES 0.585 DEMOGRAPHY 0.531 COMMUNICATION 0.521 Factor 7 % varianza Factor 8 % varianza Biología Animal y Ecología 3 Humanidades 2.8 ORNITHOLOGY 0.810 LANGUAGE & LINGUISTICS 0.859 ENTOMOLOGY 0.687 LITERATURE, AMERICAN 0.850 ECOLOGY 0.643 LITERARY REVIEWS 0.816 ANTHROPOLOGY 0.604 POETRY 0.815 MARINE & FRESHWATER BIOLOGY 0.598 THEATER 0.709 FISHERIES 0.578 ART 0.686 ZOOLOGY 0.570 ARTS & HUMANITIES, GENERAL 0.650 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 367 - Factor 9 % varianza Factor 10 % varianza Política Sanitaria, Servicios Médicos 2 Agricultura y Ciencias del Suelo 2 HEALTH POLICY & SERVICES 0.802 HORTICULTURE 0.735 NURSING 0.781 AGRICULTURE 0.704 SOCIAL SCIENCES, BIOMEDICAL 0.693 FORESTRY 0.529 HEALTH CARE SCIENCES & SERVICES 0.678 AGRICULTURE, SOIL SCIENCE 0.508 MEDICAL INFORMATICS 0.632 EDUCATION, SCIENTIFIC DISCIPLINES 0.593 EMERGENCY MEDICINE & CRITICAL CARE 0.532 TROPICAL MEDICINE 0.501 Factor 11 % varianza Factor 12 % varianza Ingeniería Mecánica 1.9 Ortopedia 1.6 ENGINEERING, MECHANICAL 0.710 ORTHOPEDICS 0.704 ENGINEERING 0.661 OTORHINOLARYNGOLOGY 0.571 THERMODYNAMICS 0.651 MATERIALS SCIENCE, COMPOSITES 0.625 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.585 CONSTRUCTION & BUILDING TECHNOLOGY 0.561 ENGINEERING, MARINE 0.522 ACOUSTICS 0.513 Factor 13 % varianza Factor 14 % varianza Matemáticas aplicadas 1.4 Física Nuclear y de Partículas 1.1 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.735 PHYSICS, NUCLEAR 0.768 STATISTICS & PROBABILITY 0.734 PHYSICS, PARTICLES & FIELDS 0.760 MATHEMATICS, MISCELLANEOUS 0.677 PHYSICS, MATHEMATICAL 0.713 MATHEMATICS, APPLIED 0.647 PHYSICS, FLUIDS & PLASMAS 0.586 PSYCHOLOGY, MATHEMATICAL 0.612 NUCLEAR SCIENCE & TECHNOLOGY 0.516 ECONOMICS 0.563 BUSINESS, FINANCE 0.526 Anexo IV - 368 - ANEXO IV Factores extraídos del dominio español 1990-1994 Factor 1 % varianza Factor 2 % varianza Biomedicina 23.100 Ciencias de los Materiales y Física Aplicada 12.9 GASTROENTEROLOGY & HEPATOLOGY 0.954 POLYMER SCIENCE 0.888 PEDIATRICS 0.946 MATERIALS SCIENCE, CERAMICS 0.87 UROLOGY & NEPHROLOGY 0.930 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.872 PATHOLOGY 0.924 COMMUNICATION 0.859 OBSTETRICS & GYNECOLOGY 0.913 MATERIALS SCIENCE, COATINGS & FILMS 0.855 ONCOLOGY 0.905 MATERI SCIENCE, MULTIDISCIPLINARY 0.851 MEDICAL LABORATORY TECHNOLOGY 0.902 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.850 OPHTHALMOLOGY 0.902 CRYSTALLOGRAPHY 0.842 GERIATRICS & GERONTOLOGY 0.901 PHYSICS, CONDENSED MATTER 0.838 HEMATOLOGY 0.901 EDUCATION, SCIENTIFIC DISCIPLINES 0.830 MEDICINE, RESEARCH & EXPERIMENTAL 0.895 CHEMISTRY, PHYSICAL 0.829 DERMATOLOGY & VENEREAL DISEASES 0.889 THERMODYNAMICS 0.827 RHEUMATOLOGY 0.882 ELECTROCHEMISTRY 0.82 ENDOCRINOLOGY & METABOLISM 0.881 METALLURGY & METALLURGICAL ENGINEERING 0.820 SURGERY 0.877 SPECTROSCOPY 0.813 ANESTHESIOLOGY 0.873 PHYSICS, APPLIED 0.805 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.865 CHEMISTRY, INORGANIC & NUCLEAR 0.786 RESPIRATORY SYSTEM 0.842 ENGINEERING, CHEMICAL 0.767 MEDICINE, GENERAL & INTERNAL 0.841 PHYSICS, MULTIDISCIPLINARY 0.765 CARDIAC & CARDIOVASCULAR SYSTEMS 0.837 INSTRUMENTS & INSTRUMENTATION 0.744 SPORT SCIENCES 0.836 MECHANICS 0.743 IMMUNOLOGY 0.834 OPTICS 0.738 CLINICAL NEUROLOGY 0.829 ENGINEERING, ELECTRICAL & ELECTRONIC 0.702 PHYSIOLOGY 0.827 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 0.684 NEUROSCIENCES 0.813 MINERALOGY 0.628 TRANSPLANTATION 0.80 NUCLEAR SCIENCE & TECHNOLOGY 0.625 PERIPHERAL VASCULAR DISEASE 0.797 CHEMISTRY, ORGANIC 0.604 SUBSTANCE ABUSE 0.791 CHEMISTRY, MULTIDISCIPLINARY 0.583 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.787 ENERGY & FUELS 0.581 EMERGENCY MEDICINE & CRITICAL CARE 0.786 MATERIALS SCIENCE, COMPOSITES 0.567 DENTISTRY, ORAL SURGERY & MEDICINE 0.785 PHYSICS, FLUIDS & PLASMAS 0.556 OTORHINOLARYNGOLOGY 0.782 PHYSICS, MATHEMATICAL 0.550 ANATOMY & MORPHOLOGY 0.780 ENGINEERING, MANUFACTURING 0.534 ORTHOPEDICS 0.78 PHYSICS, NUCLEAR 0.529 REHABILITATION 0.774 NUTRITION & DIETETICS 0.773 PHARMACOLOGY & PHARMACY 0.771 ALLERGY 0.758 REPRODUCTIVE SYSTEMS 0.753 TOXICOLOGY 0.745 CELL BIOLOGY 0.744 BIOLOGY 0.740 DEVELOPMENTAL BIOLOGY 0.728 ENGINEERING, BIOMEDICAL 0.724 PSYCHIATRY 0.717 BIOPHYSICS 0.710 ANDROLOGY 0.699 INFECTIOUS DISEASES 0.683 VETERINARY SCIENCES 0.678 VIROLOGY 0.66 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.648 CHEMISTRY, MEDICINAL 0.640 BIOCHEMICAL RESEARCH METHODS 0.639 MICROSCOPY 0.631 GENETICS & HEREDITY 0.630 MICROBIOLOGY 0.619 ZOOLOGY 0.612 MEDICINE, LEGAL 0.610 THEATER 0.59 BEHAVIORAL SCIENCES 0.583 PARASITOLOGY 0.562 TROPICAL MEDICINE 0.547 CHEMISTRY, ANALYTICAL 0.535 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.509 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 369 - Factor 3 % varianza Factor 4 % varianza Psicología 7.8 Agricultura y Ciencias del Suelo 6.3 PSYCHOLOGY, SOCIAL 0.934 FOOD SCIENCE & TECHNOLOGY 0.822 PSYCHOLOGY, DEVELOPMENTAL 0.904 AGRICULTURE 0.813 PSYCHOLOGY, APPLIED 0.882 HORTICULTURE 0.806 PSYCHOLOGY, EDUCATIONAL 0.850 AGRICULTURE, SOIL SCIENCE 0.785 PSYCHOLOGY, EXPERIMENTAL 0.837 PLANT SCIENCES 0.782 PSYCHOLOGY, PSYCHOANALYSIS 0.820 CHEMISTRY, APPLIED 0.772 CRIMINOLOGY & PENOLOGY 0.819 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.767 SOCIAL WORK 0.818 ENTOMOLOGY 0.737 PSYCHOLOGY, CLINICAL 0.794 MYCOLOGY 0.728 EDUCATION & EDUCATIONAL RESEARCH 0.787 MATERIALS SCIENCE, PAPER & WOOD 0.723 PSYCHOLOGY, MATHEMATICAL 0.781 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.706 SOCIOLOGY 0.779 FORESTRY 0.670 WOMEN'S STUDIES 0.772 ENVIRONMENTAL SCIENCES 0.669 FAMILY STUDIES 0.768 ENGINEERING, ENVIRONMENTAL 0.622 LANGUAGE & LINGUISTICS 0.677 BIOCHEMICAL RESEARCH METHODS 0.610 ENGINEERING, INDUSTRIAL 0.658 CHEMISTRY, ANALYTICAL 0.607 PSYCHOLOGY 0.625 MICROBIOLOGY 0.575 ERGONOMICS 0.591 GENETICS & HEREDITY 0.574 EDUCATION, SPECIAL 0.554 WATER RESOURCES 0.539 SOCIAL SCIENCES, BIOMEDICAL 0.548 BIOPHYSICS 0.513 SOCIAL SCIENCES, INTERDISCIPLINARY 0.519 PSYCHOLOGY, BIOLOGICAL 0.519 Factor 5 % varianza Factor 6 % varianza Informática y Telecomunicaciones 4.1 Ciencias de la Tierra y del Espacio 3.9 COMPUTER SCIENCE, THEORY & METHODS 0.889 GEOLOGY 0.884 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.880 METEOROLOGY & ATMOSPHERIC SCIENCES 0.850 COMPUTER SCIENCE, CYBERNETICS 0.853 GEOCHEMISTRY & GEOPHYSICS 0.838 INFORMATION SCIENCE & LIBRARY SCIENCE 0.846 PALEONTOLOGY 0.824 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.767 GEOGRAPHY 0.820 AUTOMATION & CONTROL SYSTEMS 0.762 GEOSCIENCES, INTERDISCIPLINARY 0.740 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.750 ENGINEERING, PETROLEUM 0.732 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.730 ASTRONOMY & ASTROPHYSICS 0.720 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 0.713 MINING & MINERAL PROCESSING 0.705 TELECOMMUNICATIONS 0.629 REMOTE SENSING 0.69 ERGONOMICS 0.562 ENGINEERING, MARINE 0.68 MANAGEMENT 0.535 ENGINEERING, AEROSPACE 0.670 ENGINEERING, MANUFACTURING 0.534 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 0.594 MEDICAL INFORMATICS 0.531 MINERALOGY 0.569 OCEANOGRAPHY 0.523 Factor 7 % varianza Factor 8 % varianza Gestión, Derecho y Economía 3.3 Arte y Humanidades 2.4 BUSINESS, FINANCE 0.899 LITERATURE 0.910 INDUSTRIAL RELATIONS & LABOR 0.898 FOLKLORE 0.890 AGRICULTURAL ECONOMICS & POLICY 0.828 LITERATURE, ROMANCE 0.820 BUSINESS 0.783 MUSIC 0.785 PLANNING & DEVELOPMENT 0.775 CLASSICS 0.776 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.768 LITERARY REVIEWS 0.762 LAW 0.76 HISTORY 0.751 INTERNATIONAL RELATIONS 0.750 ART 0.750 PUBLIC ADMINISTRATION 0.725 LITERATURE, BRITISH ISLES 0.698 POLITICAL SCIENCE 0.698 RELIGION 0.587 ECONOMICS 0.694 HISTORY OF SOCIAL SCIENCES 0.667 URBAN STUDIES 0.662 TRANSPORTATION 0.575 MANAGEMENT 0.54 Anexo IV - 370 - Factor 9 % varianza Factor 10 % varianza Biología Animal, Ecología 2.4 Física Nuclear y de Partículas 1.5 ORNITHOLOGY 0.839 PHYSICS, PARTICLES & FIELDS 0.743 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 0.717 PHYSICS, NUCLEAR 0.693 FISHERIES 0.675 PHYSICS, MATHEMATICAL 0.690 MARINE & FRESHWATER BIOLOGY 0.663 PHYSICS, FLUIDS & PLASMAS 0.576 ECOLOGY 0.637 MATHEMATICS, APPLIED 0.514 LIMNOLOGY 0.589 OPTICS 0.509 OCEANOGRAPHY 0.578 BIOLOGY, MISCELLANEOUS 0.553 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 371 - Factores extraídos del dominio español 1995-1998 Factor 1 % varianza Factor 2 % varianza Biomedicina 23.1 Ciencias de los Materiales y Física Aplicada 13.2 GASTROENTEROLOGY & HEPATOLOGY 0.954 CRYSTALLOGRAPHY 0.892 PATHOLOGY 0.941 MATERIALS SCIENCE, CERAMICS 0.873 PEDIATRICS 0.932 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.871 ONCOLOGY 0.93 ELECTROCHEMISTRY 0.855 UROLOGY & NEPHROLOGY 0.923 MATERIALS SCIENCE, COATINGS & FILMS 0.850 MEDICAL LABORATORY TECHNOLOGY 0.922 CHEMISTRY, PHYSICAL 0.838 MEDICINE, RESEARCH & EXPERIMENTAL 0.921 CHEMISTRY, INORGANIC & NUCLEAR 0.835 OPHTHALMOLOGY 0.919 EDUCATION, SCIENTIFIC DISCIPLINES 0.833 RHEUMATOLOGY 0.918 MATERIALS SCIENCE, MULTIDISCIPLINARY 0.831 HEMATOLOGY 0.916 PHYSICS, CONDENSED MATTER 0.824 OBSTETRICS & GYNECOLOGY 0.916 SPECTROSCOPY 0.808 DERMATOLOGY & VENEREAL DISEASES 0.908 THERMODYNAMICS 0.808 ENDOCRINOLOGY & METABOLISM 0.905 METALLURGY & METALLURGICAL ENGINEERING 0.795 GERIATRICS & GERONTOLOGY 0.897 COMMUNICATION 0.794 IMMUNOLOGY 0.873 ENGINEERING, CHEMICAL 0.783 SURGERY 0.869 PHYSICS, APPLIED 0.771 PHYSIOLOGY 0.863 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.771 MEDICINE, GENERAL & INTERNAL 0.856 PHYSICS, MULTIDISCIPLINARY 0.727 ANESTHESIOLOGY 0.856 OPTICS 0.712 CARDIAC & CARDIOVASCULAR SYSTEMS 0.844 CHEMISTRY, ORGANIC 0.693 TRANSPLANTATION 0.841 INSTRUMENTS & INSTRUMENTATION 0.676 RESPIRATORY SYSTEM 0.839 MECHANICS 0.670 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.834 CHEMISTRY, MULTIDISCIPLINARY 0.661 NEUROSCIENCES 0.832 ENGINEERING, ELECTRICAL & ELECTRONIC 0.613 PHARMACOLOGY & PHARMACY 0.831 MINERALOGY 0.608 SPORT SCIENCES 0.828 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 0.600 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.822 MATERIALS SCIENCE, COMPOSITES 0.590 PERIPHERAL VASCULAR DISEASE 0.820 PHYSICS, FLUIDS & PLASMAS 0.575 DENTISTRY, ORAL SURGERY & MEDICINE 0.819 MATERIALS SCIENCE, TEXTILES 0.570 ANATOMY & MORPHOLOGY 0.809 NUCLEAR SCIENCE & TECHNOLOGY 0.563 EMERGENCY MEDICINE & CRITICAL CARE 0.806 ENERGY & FUELS 0.561 CLINICAL NEUROLOGY 0.804 PHYSICS, MATHEMATICAL 0.505 CELL BIOLOGY 0.791 OTORHINOLARYNGOLOGY 0.782 ALLERGY 0.780 TOXICOLOGY 0.777 REPRODUCTIVE SYSTEMS 0.772 DEVELOPMENTAL BIOLOGY 0.771 BIOPHYSICS 0.760 VIROLOGY 0.756 SUBSTANCE ABUSE 0.749 BIOLOGY 0.743 INFECTIOUS DISEASES 0.733 ANDROLOGY 0.727 NUTRITION & DIETETICS 0.726 VETERINARY SCIENCES 0.723 GENETICS & HEREDITY 0.721 ENGINEERING, BIOMEDICAL 0.718 MICROSCOPY 0.714 ORTHOPEDICS 0.706 CHEMISTRY, MEDICINAL 0.701 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.697 REHABILITATION 0.695 MICROBIOLOGY 0.688 BIOCHEMICAL RESEARCH METHODS 0.687 MEDICINE, LEGAL 0.683 PSYCHIATRY 0.681 TROPICAL MEDICINE 0.611 PARASITOLOGY 0.600 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.593 ZOOLOGY 0.582 BEHAVIORAL SCIENCES 0.577 CHEMISTRY, ANALYTICAL 0.564 ACOUSTICS 0.512 MYCOLOGY 0.50 Anexo IV - 372 - Factor 3 % varianza Factor 4 % varianza Psicología 8.2 Agricultura y Ciencias del Suelo 6.8 PSYCHOLOGY, DEVELOPMENTAL 0.909 FOOD SCIENCE & TECHNOLOGY 0.826 PSYCHOLOGY, APPLIED 0.874 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.823 CRIMINOLOGY & PENOLOGY 0.865 AGRICULTURE 0.816 PSYCHOLOGY, EDUCATIONAL 0.863 AGRICULTURE, SOIL SCIENCE 0.800 PSYCHOLOGY, PSYCHOANALYSIS 0.845 MATERIALS SCIENCE, PAPER & WOOD 0.793 PSYCHOLOGY, EXPERIMENTAL 0.826 CHEMISTRY, APPLIED 0.775 SOCIAL WORK 0.821 ENTOMOLOGY 0.757 EDUCATION & EDUCATIONAL RESEARCH 0.813 PLANT SCIENCES 0.754 FAMILY STUDIES 0.812 FORESTRY 0.714 PSYCHOLOGY, CLINICAL 0.807 AGRICULTURAL ECONOMICS & POLICY 0.677 EDUCATION, SPECIAL 0.758 MYCOLOGY 0.648 SOCIOLOGY 0.729 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.630 LANGUAGE & LINGUISTICS 0.719 ENVIRONMENTAL SCIENCES 0.627 PSYCHOLOGY 0.694 ENGINEERING, ENVIRONMENTAL 0.614 WOMEN'S STUDIES 0.688 FILM, RADIO, TELEVISION 0.565 PSYCHOLOGY, MATHEMATICAL 0.678 CHEMISTRY, ANALYTICAL 0.556 PSYCHOLOGY, BIOLOGICAL 0.575 NUTRITION & DIETETICS 0.538 REHABILITATION 0.518 MUSIC 0.537 PSYCHIATRY 0.516 BIOCHEMICAL RESEARCH METHODS 0.521 SUBSTANCE ABUSE 0.513 WATER RESOURCES 0.520 Factor 5 % varianza Factor 6 % varianza Informática y Telecomunicaciones 4.4 Ciencias de la Tierra y del Espacio 4 COMPUTER SCIENCE, CYBERNETICS 0.894 METEOROLOGY & ATMOSPHERIC SCIENCES 0.877 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.873 GEOCHEMISTRY & GEOPHYSICS 0.858 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.871 PALEONTOLOGY 0.780 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.869 ASTRONOMY & ASTROPHYSICS 0.779 INFORMATION SCIENCE & LIBRARY SCIENCE 0.809 GEOSCIENCES, INTERDISCIPLINARY 0.755 AUTOMATION & CONTROL SYSTEMS 0.799 GEOGRAPHY 0.736 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.77 ENGINEERING, PETROLEUM 0.713 ERGONOMICS 0.730 REMOTE SENSING 0.709 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 0.711 ENGINEERING, GEOLOGICAL 0.702 TRANSPORTATION 0.635 ENGINEERING, MARINE 0.677 TELECOMMUNICATIONS 0.622 OCEANOGRAPHY 0.671 MANAGEMENT 0.568 MINING & MINERAL PROCESSING 0.671 ENGINEERING, INDUSTRIAL 0.562 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 0.641 ENGINEERING, AEROSPACE 0.619 MINERALOGY 0.597 LIMNOLOGY 0.595 WATER RESOURCES 0.588 LITERATURE, AMERICAN 0.561 ENGINEERING, CIVIL 0.518 Factor 7 % varianza Factor 8 % varianza Gestión, Derecho y Economía 3.4 Humanidades 3.1 INDUSTRIAL RELATIONS & LABOR 0.908 LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN 0.801 PLANNING & DEVELOPMENT 0.873 HISTORY 0.791 BUSINESS 0.868 LITERATURE, ROMANCE 0.775 POLITICAL SCIENCE 0.864 LITERARY REVIEWS 0.766 LAW 0.779 FOLKLORE 0.710 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.770 LITERATURE 0.702 INTERNATIONAL RELATIONS 0.729 THEATER 0.681 URBAN STUDIES 0.699 ASIAN STUDIES 0.520 ECONOMICS 0.692 PUBLIC ADMINISTRATION 0.691 AREA STUDIES 0.592 MANAGEMENT 0.588 AGRICULTURAL ECONOMICS & POLICY 0.549 HISTORY OF SOCIAL SCIENCES 0.520 ENVIRONMENTAL STUDIES 0.507 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 373 - Factor 9 % varianza Factor 10 % varianza Biología Animal, Ecología 2.3 Física Nuclear y de Partículas 1.4 ANTHROPOLOGY 0.708 PHYSICS, NUCLEAR 0.731 ARTS & HUMANITIES, GENERAL 0.685 PHYSICS, MATHEMATICAL 0.711 ECOLOGY 0.641 PHYSICS, FLUIDS & PLASMAS 0.638 BIOLOGY, MISCELLANEOUS 0.616 NUCLEAR SCIENCE & TECHNOLOGY 0.561 ZOOLOGY 0.549 COMMUNICATION 0.543 MARINE & FRESHWATER BIOLOGY 0.548 OPTICS 0.541 FISHERIES 0.547 GEOGRAPHY 0.503 Anexo IV - 374 - Factores extraídos del dominio español 1999-2002 Factor 1 % varianza Factor 2 % varianza Biomedicina 22.1 Ciencias de los Materiales y Física Aplicada 12.3 GASTROENTEROLOGY & HEPATOLOGY 0.952 MATERIALS SCIENCE, CERAMICS 0.939 PATHOLOGY 0.933 METALLURGY & METALLURGICAL ENGINEERING 0.914 UROLOGY & NEPHROLOGY 0.927 MATERIALS SCIENCE, CHARACTERIZATION & TESTING 0.895 PEDIATRICS 0.926 MATERIALS SCIENCE, COATINGS & FILMS 0.893 RHEUMATOLOGY 0.921 POLYMER SCIENCE 0.865 MEDICINE, RESEARCH & EXPERIMENTAL 0.911 PHYSICS, CONDENSED MATTER 0.851 DERMATOLOGY & VENEREAL DISEASES 0.907 ELECTROCHEMISTRY 0.838 MEDICAL LABORATORY TECHNOLOGY 0.906 MATERIALS SCIENCE, COMPOSITES 0.820 ONCOLOGY 0.902 PHYSICS, ATOMIC, MOLECULAR & CHEMICAL 0.819 HEMATOLOGY 0.897 PHYSICS, APPLIED 0.80 ENDOCRINOLOGY & METABOLISM 0.887 MATERIALS SCIENCE, MULTIDISCIPLINARY 0.808 OBSTETRICS & GYNECOLOGY 0.871 CRYSTALLOGRAPHY 0.797 SURGERY 0.868 CHEMISTRY, PHYSICAL 0.779 IMMUNOLOGY 0.865 THERMODYNAMICS 0.750 OPHTHALMOLOGY 0.857 COMMUNICATION 0.733 GERIATRICS & GERONTOLOGY 0.854 MECHANICS 0.714 MEDICINE, GENERAL & INTERNAL 0.854 ENGINEERING, CHEMICAL 0.712 PHYSIOLOGY 0.850 CHEMISTRY, INORGANIC & NUCLEAR 0.712 ANESTHESIOLOGY 0.830 PHYSICS, MULTIDISCIPLINARY 0.711 TRANSPLANTATION 0.825 EDUCATION, SCIENTIFIC DISCIPLINES 0.703 PHARMACOLOGY & PHARMACY 0.824 OPTICS 0.694 CARDIAC & CARDIOVASCULAR SYSTEMS 0.821 SPECTROSCOPY 0.657 RESPIRATORY SYSTEM 0.821 CONSTRUCTION & BUILDING TECHNOLOGY 0.631 DENTISTRY, ORAL SURGERY & MEDICINE 0.816 INSTRUMENTS & INSTRUMENTATION 0.631 PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH 0.810 ENERGY & FUELS 0.623 SPORT SCIENCES 0.805 ENGINEERING, ELECTRICAL & ELECTRONIC 0.617 NEUROSCIENCES 0.804 CHEMISTRY, MULTIDISCIPLINARY 0.610 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 0.799 MINERALOGY 0.59 PERIPHERAL VASCULAR DISEASE 0.798 ENGINEERING, MANUFACTURING 0.588 OTORHINOLARYNGOLOGY 0.797 PHYSICS, FLUIDS & PLASMAS 0.579 ALLERGY 0.776 CHEMISTRY, ORGANIC 0.550 CELL BIOLOGY 0.768 MATERIALS SCIENCE, BIOMATERIALS 0.543 VIROLOGY 0.763 MINING & MINERAL PROCESSING 0.540 ANATOMY & MORPHOLOGY 0.759 ENGINEERING, MECHANICAL 0.511 CLINICAL NEUROLOGY 0.758 BIOPHYSICS 0.743 DEVELOPMENTAL BIOLOGY 0.732 INFECTIOUS DISEASES 0.727 TOXICOLOGY 0.724 ORTHOPEDICS 0.723 REPRODUCTIVE SYSTEMS 0.716 MICROSCOPY 0.705 EMERGENCY MEDICINE & CRITICAL CARE 0.705 GENETICS & HEREDITY 0.696 CRITICAL CARE MEDICINE 0.688 BIOLOGY 0.687 POETRY 4 REHABILITATION 0.681 MICROBIOLOGY 0.678 BIOCHEMISTRY & MOLECULAR BIOLOGY 0.675 ENGINEERING, BIOMEDICAL 0.672 VETERINARY SCIENCES 0.671 SUBSTANCE ABUSE 0.669 FILM, RADIO, TELEVISION 0.660 CHEMISTRY, MEDICINAL 0.659 NUTRITION & DIETETICS 0.650 ANDROLOGY 0.641 BIOCHEMICAL RESEARCH METHODS 0.636 PSYCHIATRY 0.632 NEUROIMAGING 0.63 LITERATURE, AMERICAN 0.622 GERONTOLOGY 0.611 MEDICINE, LEGAL 0.595 TROPICAL MEDICINE 0.587 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.578 PARASITOLOGY 0.572 HEALTH CARE SCIENCES & SERVICES 0.518 BEHAVIORAL SCIENCES 0.510 INTEGRATIVE & COMPLEMENTARY MEDICINE 0.504 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 375 - Factor 3 % varianza Factor 4 % varianza Psicología 7.7 Ciencias de la Tierra y del Espacio 6.9 PSYCHOLOGY, SOCIAL 0.934 GEOLOGY 0.883 PSYCHOLOGY, DEVELOPMENTAL 0.884 METEOROLOGY & ATMOSPHERIC SCIENCES 0.878 PSYCHOLOGY, APPLIED 0.880 GEOCHEMISTRY & GEOPHYSICS 0.857 PSYCHOLOGY, EDUCATIONAL 0.869 ASTRONOMY & ASTROPHYSICS 0.807 PSYCHOLOGY, EXPERIMENTAL 0.866 PALEONTOLOGY 0.773 PSYCHOLOGY, MULTIDISCIPLINARY 0.849 GEOSCIENCES, INTERDISCIPLINARY 0.772 EDUCATION & EDUCATIONAL RESEARCH 0.844 GEOGRAPHY, PHYSICAL 0.771 CRIMINOLOGY & PENOLOGY 0.824 OCEANOGRAPHY 0.762 PSYCHOLOGY, PSYCHOANALYSIS 0.823 ENGINEERING, OCEAN 0.760 PSYCHOLOGY, CLINICAL 0.790 REMOTE SENSING 0.735 SOCIAL WORK 0.767 ENGINEERING, GEOLOGICAL 0.723 PSYCHOLOGY, MATHEMATICAL 0.762 ENGINEERING, PETROLEUM 0.710 FAMILY STUDIES 0.748 ENGINEERING, MARINE 0.699 PSYCHOLOGY 0.729 ENGINEERING, AEROSPACE 0.678 SOCIOLOGY 0.705 GEOGRAPHY 0.667 EDUCATION, SPECIAL 0.693 IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY 0.656 APPLIED LINGUISTICS 0.677 LIMNOLOGY 0.602 LANGUAGE & LINGUISTICS 0.669 MINING & MINERAL PROCESSING 0.588 PSYCHOLOGY, BIOLOGICAL 0.639 WATER RESOURCES 0.569 WOMEN'S STUDIES 0.571 MINERALOGY 0.562 PSYCHIATRY 0.525 SUBSTANCE ABUSE 0.517 Factor 5 % varianza Factor 6 % varianza Informática y Telecomunicaciones 4.4 Agricultura y Ciencias del Suelo 4.1 COMPUTER SCIENCE, CYBERNETICS 0.903 AGRICULTURE, MULTIDISCIPLINARY 0.877 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 0.886 FOOD SCIENCE & TECHNOLOGY 0.848 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 0.874 HORTICULTURE 0.843 COMPUTER SCIENCE, THEORY & METHODS 0.871 AGRICULTURAL ENGINEERING 0.820 COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING 0.855 MATERIALS SCIENCE, PAPER & WOOD 0.807 AUTOMATION & CONTROL SYSTEMS 0.822 CHEMISTRY, APPLIED 0.800 ERGONOMICS 0.800 AGRICULTURE 0.798 ROBOTICS 0.771 AGRICULTURE, DAIRY & ANIMAL SCIENCE 0.793 COMPUTER SCIENCE, INFORMATION SYSTEMS 0.767 AGRICULTURE, SOIL SCIENCE 0.773 INFORMATION SCIENCE & LIBRARY SCIENCE 0.755 PLANT SCIENCES 0.691 TELECOMMUNICATIONS 0.710 ENTOMOLOGY 0.67 OPERATIONS RESEARCH & MANAGEMENT SCIENCE 0.610 MATERIALS SCIENCE, TEXTILES 0.641 NUTRITION & DIETETICS 0.625 CHEMISTRY, ANALYTICAL 0.601 ENVIRONMENTAL SCIENCES 0.592 BIOTECHNOLOGY & APPLIED MICROBIOLOGY 0.582 ENGINEERING, ENVIRONMENTAL 0.577 FORESTRY 0.56 MYCOLOGY 0.551 BIOCHEMICAL RESEARCH METHODS 0.540 WATER RESOURCES 0.509 Anexo IV - 376 - Factor 7 % varianza Factor 8 % varianza Gestión, Derecho y Economía 3.4 Biología Animal, Ecología 2.7 INDUSTRIAL RELATIONS & LABOR 0.936 BIODIVERSITY CONSERVATION 0.909 BUSINESS, FINANCE 0.933 ORNITHOLOGY 0.895 POLITICAL SCIENCE 0.886 EVOLUTIONARY BIOLOGY 0.849 INTERNATIONAL RELATIONS 0.875 ANTHROPOLOGY 0.779 PLANNING & DEVELOPMENT 0.873 ECOLOGY 0.757 LAW 0.84 BIOLOGY, MISCELLANEOUS 0.74 BUSINESS 0.827 ARTS & HUMANITIES, GENERAL 0.727 SOCIAL SCIENCES, MATHEMATICAL METHODS 0.779 ZOOLOGY 0.690 PUBLIC ADMINISTRATION 0.739 ENTOMOLOGY 0.627 AGRICULTURAL ECONOMICS & POLICY 0.710 MARINE & FRESHWATER BIOLOGY 0.621 FORESTRY 0.594 FISHERIES 0.588 SOCIAL SCIENCES, INTERDISCIPLINARY 0.546 ARCHAEOLOGY 0.539 GEOGRAPHY 0.511 Factor 9 % varianza Factor 10 % varianza Política Sanitaria, Servicios Médicos 2.1 Humanidades 1.9 SOCIAL SCIENCES, BIOMEDICAL 0.726 LITERATURE, ROMANCE 0.813 MEDICAL ETHICS 0.719 CLASSICS 0.807 SOCIAL ISSUES 0.713 LITERATURE 0.803 HEALTH POLICY & SERVICES 0.697 RELIGION 0.681 ETHICS 0.68 LITERARY REVIEWS 0.597 NURSING 0.644 ASIAN STUDIES 0.581 DEMOGRAPHY 0.622 AREA STUDIES 0.501 HEALTH CARE SCIENCES & SERVICES 0.592 WOMEN'S STUDIES 0.571 PHILOSOPHY 0.533 Factor 11 % varianza Física Nuclear y de Partículas 1.7 PHYSICS, PARTICLES & FIELDS 0.780 PHYSICS, NUCLEAR 0.771 PHYSICS, MATHEMATICAL 0.708 COMMUNICATION 0.613 NUCLEAR SCIENCE & TECHNOLOGY 0.604 PHYSICS, FLUIDS & PLASMAS 0.602 OPTICS 0.559 Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 377 - ANEXO V Clases ANEP Abreviatura Clases ANEP AGR AGRICULTURA MOL BIOLOGIA MOLECULAR, CELULAR Y GENETICA VEG BIOLOGIA VEGETAL Y ANIMAL, ECOLOGIA ALI CIENCIA Y TECNOLOGIA DE ALIMENTOS MAR CIENCIA Y TECNOLOGIA DE MATERIALES COM CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA TIE CIENCIAS DE LA TIERRA CSS CIENCIAS SOCIALES DER DERECHO ECO ECONOMIA FIL FILOLOGIA Y FILOSOFIA FIS FISICA Y CIENCIAS DEL ESPACIO FAR FISIOLOGIA Y FARMACOLOGIA GAN GANADERIA Y PESCA HIS HISTORIA Y ARTE CIV INGENIERIA CIVIL Y ARQUITECTURA ELE INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA MEC INGENIERIA MECANICA, NAVAL Y AERONAUTICA MAT MATEMATICAS MED MEDICINA PSI PSICOLOGIA Y CIENCIAS DE LA EDUCACION QUI QUIMICA TEC TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES TQU TECNOLOGIA QUIMICA Anexo V - 378 - Relación entre clases ANEP y categorías JCR. Clases ANEP Categorías JCR AGRICULTURE AGRICULTURE, DAIRY & ANIMAL SCIENCE AGRICULTURE AGRICULTURE AGRICULTURE AGRICULTURE, SOIL SCIENCE AGRICULTURE BIOTECHNOLOGY & APPLIED MICROBIOLOGY AGRICULTURE ENVIRONMENTAL SCIENCES AGRICULTURE AGRICULTURAL ECONOMICS & POLICY AGRICULTURE FORESTRY AGRICULTURE HORTICULTURE AGRICULTURE AGRICULTURE, MULTIDISCIPLINARY AGRICULTURE AGRICULTURAL ENGINEERING CHEMICAL TECHNOLOGY METALLURGY & METALLURGICAL ENGINEERING CHEMICAL TECHNOLOGY ENGINEERING, CHEMICAL CHEMICAL TECHNOLOGY MATERIALS SCIENCE, PAPER & WOOD CHEMICAL TECHNOLOGY MINING & MINERAL PROCESSING CHEMICAL TECHNOLOGY MATERIALS SCIENCE, TEXTILES CHEMISTRY EDUCATION, SCIENTIFIC DISCIPLINES CHEMISTRY CHEMISTRY, MULTIDISCIPLINARY CHEMISTRY ENVIRONMENTAL SCIENCES CHEMISTRY CHEMISTRY, ORGANIC CHEMISTRY CHEMISTRY, ANALYTICAL CHEMISTRY CHEMISTRY, PHYSI CHEMISTRY CHEMISTRY, INORGANIC & NUCLEAR CHEMISTRY TOXICOLOGY CHEMISTRY ENGINEERING, ENVIRONMENTAL CHEMISTRY CHEMISTRY, APPLIED CHEMISTRY ELECTROCHEMISTRY CIVIL ENGINEERING & ARCHITECTURE CONSTRUCTION & BUILDING TECHNOLOGY CIVIL ENGINEERING & ARCHITECTURE ENGINEERING CIVIL ENGINEERING & ARCHITECTURE COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS CIVIL ENGINEERING & ARCHITECTURE ENGINEERING, CIVIL CIVIL ENGINEERING & ARCHITECTURE MINING & MINERAL PROCESSING CIVIL ENGINEERING & ARCHITECTURE TRANSPORTATION COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, THEORY & METHODS COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, INFORMATION SYSTEMS COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, SOFTWARE, GRAPHICS, PROGRAMMING COMPUTER SCIENCE & TECHNOLOGY AUTOMATION & CONTROL SYSTEMS COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, HARDWARE & ARCHITECTURE COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS COMPUTER SCIENCE & TECHNOLOGY COMPUTER SCIENCE, CYBERNETICS COMPUTER SCIENCE & TECHNOLOGY ROBOTICS ECONOMY ECONOMICS ECONOMY BUSINESS ECONOMY MANAGEMENT ECONOMY BUSINESS, FINANCE ELECTRICAL, ELECTRONIC & AUTOMATED ENGINEERING ENGINEERING, ELECTRICAL & ELECTRONIC Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 379 - ELECTRICAL, ELECTRONIC & AUTOMATED ENGINEERING ENGINEERING ELECTRICAL, ELECTRONIC & AUTOMATED ENGINEERING REMOTE SENSING ELECTRICAL, ELECTRONIC & AUTOMATED ENGINEERING ROBOTICS ELECTRONIC & TELECOMMUNICATIONS TECHNOLOGY ENGINEERING, ELECTRICAL & ELECTRONIC ELECTRONIC & TELECOMMUNICATIONS TECHNOLOGY TELECOMMUNICATIONS ELECTRONIC & TELECOMMUNICATIONS TECHNOLOGY COMPUTER SCIENCE, HARDWARE & ARCHITECTURE ELECTRONIC & TELECOMMUNICATIONS TECHNOLOGY IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY FOOD SCIENCE AND TECHNOLOGY NUTRITION & DIETETICS FOOD SCIENCE AND TECHNOLOGY FOOD SCIENCE & TECHNOLOGY FOOD SCIENCE AND TECHNOLOGY BIOTECHNOLOGY & APPLIED MICROBIOLOGY GEOSCIENCES ENERGY & FUELS GEOSCIENCES GEOSCIENCES, INTERDISCIPLINARY GEOSCIENCES ENGINEERING, PETROLEUM GEOSCIENCES CRYSTALLOGRAPHY GEOSCIENCES ENVIRONMENTAL SCIENCES GEOSCIENCES WATER RESOURCES GEOSCIENCES METEOROLOGY & ATMOSPHERIC SCIENCES GEOSCIENCES PALEONTOLOGY GEOSCIENCES GEOCHEMISTRY & GEOPHYSICS GEOSCIENCES MINERALOGY GEOSCIENCES ENGINEERING, ENVIRONMENTAL GEOSCIENCES OCEANOGRAPHY GEOSCIENCES GEOGRAPHY GEOSCIENCES GEOLOGY GEOSCIENCES IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY GEOSCIENCES ENGINEERING, GEOLOGICAL GEOSCIENCES ENGINEERING, OCEAN GEOSCIENCES GEOGRAPHY, PHYSICAL HISTORY & ARTS HISTORY & PHILOSOPHY OF SCIENCE HISTORY & ARTS URBAN STUDIES HISTORY & ARTS ARCHAEOLOGY HISTORY & ARTS HISTORY HISTORY & ARTS MUSIC HISTORY & ARTS ARCHITECTURE HISTORY & ARTS ART HISTORY & ARTS FOLKLORE HISTORY & ARTS FILM, RADIO, TELEVISION LAW LAW LAW CRIMINOLOGY & PENOLOGY LAW INTERNATIONAL RELATIONS LIVESTOCK & FISHING AGRICULTURE, DAIRY & ANIMAL SCIENCE LIVESTOCK & FISHING BIOTECHNOLOGY & APPLIED MICROBIOLOGY LIVESTOCK & FISHING VETERINARY SCIENCES LIVESTOCK & FISHING FISHERIES MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, MULTIDISCIPLINARY MATERIALS SCIENCE AND TECHNOLOGY CRYSTALLOGRAPHY MATERIALS SCIENCE AND TECHNOLOGY POLYMER SCIENCE MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, COMPOSITES MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, CERAMICS MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, COATINGS & FILMS Anexo V - 380 - MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, BIOMATERIALS MATERIALS SCIENCE AND TECHNOLOGY MATERIALS SCIENCE, CHARACTERIZATION & TESTING MATHEMATICS MATHEMATICS MATHEMATICS MATHEMATICS, APPLIED MATHEMATICS STATISTICS & PROBABILITY MATHEMATICS AUTOMATION & CONTROL SYSTEMS MATHEMATICS OPERATIONS RESEARCH & MANAGEMENT SCIENCE MATHEMATICS MATHEMATICS, MISCELLANEOUS MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING, AEROSPACE MECHANICAL, NAVAL & AERONAUTIC ENGINEERING MECHANICS MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING, MECHANICAL MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING, MANUFACTURING MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING, MARINE MECHANICAL, NAVAL & AERONAUTIC ENGINEERING ENGINEERING, INDUSTRIAL MEDICINE GASTROENTEROLOGY & HEPATOLOGY MEDICINE RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING MEDICINE MEDICINE, GENERAL & INTERNAL MEDICINE MEDICAL INFORMATICS MEDICINE CARDIAC & CARDIOVASCULAR SYSTEMS MEDICINE RESPIRATORY SYSTEM MEDICINE NUTRITION & DIETETICS MEDICINE ANESTHESIOLOGY MEDICINE ANATOMY & MORPHOLOGY MEDICINE BIOLOGY MEDICINE SURGERY MEDICINE DERMATOLOGY & VENEREAL DISEASES MEDICINE ENDOCRINOLOGY & METABOLISM MEDICINE HEMATOLOGY MEDICINE MEDICINE, RESEARCH & EXPERIMENTAL MEDICINE NEUROSCIENCES MEDICINE CLINICAL NEUROLOGY MEDICINE PATHOLOGY MEDICINE OBSTETRICS & GYNECOLOGY MEDICINE DENTISTRY, ORAL SURGERY & MEDICINE MEDICINE ONCOLOGY MEDICINE OPHTHALMOLOGY MEDICINE ORTHOPEDICS MEDICINE OTORHINOLARYNGOLOGY MEDICINE PEDIATRICS MEDICINE PSYCHIATRY MEDICINE TROPICAL MEDICINE MEDICINE PARASITOLOGY MEDICINE SUBSTANCE ABUSE MEDICINE MEDICAL LABORATORY TECHNOLOGY MEDICINE TOXICOLOGY MEDICINE GERIATRICS & GERONTOLOGY MEDICINE INFECTIOUS DISEASES MEDICINE RHEUMATOLOGY MEDICINE UROLOGY & NEPHROLOGY Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 381 - MEDICINE ALLERGY MEDICINE PUBLIC, ENVIRONMENTAL & OCCUPATIONAL HEALTH MEDICINE EMERGENCY MEDICINE & CRITICAL CARE MEDICINE MEDICINE, LEGAL MEDICINE PERIPHERAL VASCULAR DISEASE MEDICINE REHABILITATION MEDICINE SPORT SCIENCES MEDICINE ANDROLOGY MEDICINE ENGINEERING, BIOMEDICAL MEDICINE TRANSPLANTATION MEDICINE SOCIAL SCIENCES, BIOMEDICAL MEDICINE NURSING MEDICINE HEALTH POLICY & SERVICES MEDICINE HEALTH CARE SCIENCES & SERVICES MEDICINE INTEGRATIVE & COMPLEMENTARY MEDICINE MEDICINE CRITICAL CARE MEDICINE MEDICINE MEDICAL ETHICS MEDICINE NEUROIMAGING MOLECULAR & CELLULAR BIOLOGY & GENETICS ANATOMY & MORPHOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOCHEMISTRY & MOLECULAR BIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOTECHNOLOGY & APPLIED MICROBIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOCHEMICAL RESEARCH METHODS MOLECULAR & CELLULAR BIOLOGY & GENETICS CELL BIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS VIROLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS MICROBIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOPHYSICS MOLECULAR & CELLULAR BIOLOGY & GENETICS GENETICS & HEREDITY MOLECULAR & CELLULAR BIOLOGY & GENETICS IMMUNOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS TOXICOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS BIOLOGY, MISCELLANEOUS MOLECULAR & CELLULAR BIOLOGY & GENETICS DEVELOPMENTAL BIOLOGY MOLECULAR & CELLULAR BIOLOGY & GENETICS MICROSCOPY MOLECULAR & CELLULAR BIOLOGY & GENETICS EVOLUTIONARY BIOLOGY PHILOLOGY & PHILOSOPHY HISTORY & PHILOSOPHY OF SCIENCE PHILOLOGY & PHILOSOPHY LANGUAGE & LINGUISTICS PHILOLOGY & PHILOSOPHY PHILOSOPHY PHILOLOGY & PHILOSOPHY LITERATURE, ROMANCE PHILOLOGY & PHILOSOPHY THEATER PHILOLOGY & PHILOSOPHY LITERARY REVIEWS PHILOLOGY & PHILOSOPHY LITERATURE PHILOLOGY & PHILOSOPHY POETRY PHILOLOGY & PHILOSOPHY LITERATURE, AMERICAN PHILOLOGY & PHILOSOPHY ARTS & HUMANITIES, GENERAL PHILOLOGY & PHILOSOPHY RELIGION PHILOLOGY & PHILOSOPHY CLASSICS PHILOLOGY & PHILOSOPHY ASIAN STUDIES PHILOLOGY & PHILOSOPHY LITERATURE, GERMAN, NETHERLANDIC, SCANDINAVIAN PHILOLOGY & PHILOSOPHY LITERATURE, BRITISH ISLES PHILOLOGY & PHILOSOPHY LITERATURE, AFRICAN, AUSTRALIAN, CANADIAN Anexo V - 382 - PHILOLOGY & PHILOSOPHY ETHICS PHILOLOGY & PHILOSOPHY APPLIED LINGUISTICS PHILOLOGY & PHILOSOPHY LITERARY THEORY & CRITICISM PHYSICS & SPACE SCIENCES ACOUSTICS PHYSICS & SPACE SCIENCES ASTRONOMY & ASTROPHYSICS PHYSICS & SPACE SCIENCES PHYSICS, MULTIDISCIPLINARY PHYSICS & SPACE SCIENCES PHYSICS, APPLIED PHYSICS & SPACE SCIENCES PHYSICS, NUCLEAR PHYSICS & SPACE SCIENCES OPTICS PHYSICS & SPACE SCIENCES PHYSICS, ATOMIC, MOLECULAR & CHEMICAL PHYSICS & SPACE SCIENCES PHYSICS, CONDENSED MATTER PHYSICS & SPACE SCIENCES INSTRUMENTS & INSTRUMENTATION PHYSICS & SPACE SCIENCES NUCLEAR SCIENCE & TECHNOLOGY PHYSICS & SPACE SCIENCES PHYSICS, FLUIDS & PLASMAS PHYSICS & SPACE SCIENCES PHYSICS, PARTICLES & FIELDS PHYSICS & SPACE SCIENCES SPECTROSCOPY PHYSICS & SPACE SCIENCES THERMODYNAMICS PHYSICS & SPACE SCIENCES COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS PHYSICS & SPACE SCIENCES PHYSICS, MATHEMATICAL PHYSIOLOGY & PHARMACOLOGY NUTRITION & DIETETICS PHYSIOLOGY & PHARMACOLOGY PHARMACOLOGY & PHARMACY PHYSIOLOGY & PHARMACOLOGY PHYSIOLOGY PHYSIOLOGY & PHARMACOLOGY SUBSTANCE ABUSE PHYSIOLOGY & PHARMACOLOGY REPRODUCTIVE SYSTEMS PHYSIOLOGY & PHARMACOLOGY BEHAVIORAL SCIENCES PHYSIOLOGY & PHARMACOLOGY CHEMISTRY, MEDICINAL PHYSIOLOGY & PHARMACOLOGY PSYCHOLOGY, EXPERIMENTAL PHYSIOLOGY & PHARMACOLOGY PSYCHOLOGY, BIOLOGICAL PLANT & ANIMAL BIOLOGY, ECOLOGY ENTOMOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY PLANT SCIENCES PLANT & ANIMAL BIOLOGY, ECOLOGY ZOOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY BIOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY MARINE & FRESHWATER BIOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY ECOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY VETERINARY SCIENCES PLANT & ANIMAL BIOLOGY, ECOLOGY BIOLOGY, MISCELLANEOUS PLANT & ANIMAL BIOLOGY, ECOLOGY LIMNOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY ORNITHOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY MYCOLOGY PLANT & ANIMAL BIOLOGY, ECOLOGY BIODIVERSITY CONSERVATION PLANT & ANIMAL BIOLOGY, ECOLOGY EVOLUTIONARY BIOLOGY PSYCHOLOGY & EDUCATIONAL SCIENCES BEHAVIORAL SCIENCES PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY PSYCHOLOGY & EDUCATIONAL SCIENCES ERGONOMICS PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, MATHEMATICAL PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, DEVELOPMENTAL PSYCHOLOGY & EDUCATIONAL SCIENCES EDUCATION & EDUCATIONAL RESEARCH PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, EDUCATIONAL PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, BIOLOGICAL PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, CLINICAL Visualización y Análisis de Grandes Dominios Científicos Mediante Redes PathFinder (PFNET) - 383 - PSYCHOLOGY & EDUCATIONAL SCIENCES SOCIAL WORK PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, SOCIAL PSYCHOLOGY & EDUCATIONAL SCIENCES EDUCATION, SPECIAL PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, PSYCHOANALYSIS PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, APPLIED PSYCHOLOGY & EDUCATIONAL SCIENCES PSYCHOLOGY, MULTIDISCIPLINARY SOCIAL SCIENCES HISTORY & PHILOSOPHY OF SCIENCE SOCIAL SCIENCES ANTHROPOLOGY SOCIAL SCIENCES INFORMATION SCIENCE & LIBRARY SCIENCE SOCIAL SCIENCES GEOGRAPHY SOCIAL SCIENCES ENVIRONMENTAL STUDIES SOCIAL SCIENCES SOCIOLOGY SOCIAL SCIENCES TRANSPORTATION SOCIAL SCIENCES SOCIAL SCIENCES, MATHEMATICAL METHODS SOCIAL SCIENCES BUSINESS SOCIAL SCIENCES MANAGEMENT SOCIAL SCIENCES SOCIAL SCIENCES, INTERDISCIPLINARY SOCIAL SCIENCES PLANNING & DEVELOPMENT SOCIAL SCIENCES SOCIAL ISSUES SOCIAL SCIENCES PUBLIC ADMINISTRATION SOCIAL SCIENCES SOCIAL WORK SOCIAL SCIENCES WOMEN'S STUDIES SOCIAL SCIENCES AREA STUDIES SOCIAL SCIENCES POLITICAL SCIENCE SOCIAL SCIENCES INTERNATIONAL RELATIONS SOCIAL SCIENCES FAMILY STUDIES SOCIAL SCIENCES HISTORY OF SOCIAL SCIENCES SOCIAL SCIENCES ETHNIC STUDIES SOCIAL SCIENCES INDUSTRIAL RELATIONS & LABOR SOCIAL SCIENCES COMMUNICATION SOCIAL SCIENCES DEMOGRAPHY SOCIAL SCIENCES GERONTOLOGY